滴滴机器学习平台调度系统的演进与K8s二次开发

随着深度学习技术近年来快速发展，G效、易用的机器学习平台对于互联网公司愈发重要，一个G效的机器学习平台可以为公司提供更好的人工智能算法研发方面的支持，减少内部重复性、提升资源利用率、提G整体研发效率。

滴滴出行资深软件工程师唐博在机器学习技术分论坛上分享了kubernetes调度系统在滴滴机器学习平台中的落地与二次开发。本次演讲从滴滴机器学习平台的特点开始探讨，分享了滴滴机器学习场景下的 k8s 落地实践与二次开发的技术实践与经验，包括平台稳定性、易用性、利用率、平台 k8s 版本升J与二次开发等内容。此外，唐博还介绍了滴滴机器学习平台是如何从 YARN 迁移到 k8s，以及 YARN 的二次开发与 k8s 的对比等。后，唐博还分享了滴滴机器学习平台正在研发中的功能以及对未来的展望。本文为演讲实录。

《滴滴机器学习平台kubernetes落地与实践》，大概分四个部分：

一、滴滴机器学习平台简介 ，二、平台调度系统的演进， 三、机器学习场景下的k8s落地实践与二次开发， 四、平台正在开发的功能及未来展望。