深度学习分布式运算方法、装置、计算机设备及存储介质

摘要

本发明涉及深度学习分布式运算方法、装置、计算机设备及存储介质，该方法包括封装模型，形成模型对象；确定运算数目；获取请求；根据请求获取哈希值；根据哈希值与模型对象进行任务分发；根据分发结果在Docker容器执行任务所对应的代码；判断任务所对应的代码是否执行完毕；若是，则释放Docker容器内的任务所对应的代码。本发明通过在tensorflow的分布式运算框架的基础上进行进一步的功能封装，调用docker容器，并在docker容器内运行任务所对应的代码，实现了运行环境统一与图像处理器隔离，调用docker容器可进行运算集群的动态扩展，使提高深度学习模型的训练速度。