图像识别指用视觉传感器（摄像头）和计算机来模拟人眼和大脑，进行物体识别、跟踪和测量， 进而做图形处理让计算机理解真实世界。图像识别技术有很多应用场景，如：人脸识别、拍照识别、物体识别等等。

基于深度学习的图像识别技术发展痛点

人工智能推理与训练全流程图

软件架构：坤前AI管理平台

坤前AI管理平台从基本业务需求出发，支持主流机器学习框架（如TensorFlow、Caffe、Torch、Keras等）。 提供深度学习的算法库（LeNet、MLSTM、Alexnet、Googlenet、ResNet、GAN、Faster R-CNN等）、 标准数据集（ImageNet、COCO、PASCAL VOC、CIFAR、Open Image、Youtube-8M）。 同时该平台可将CPU资源、内存、GPU资源、存储资源虚拟化后进行统一管理， 结合不同深度学习框架(如：Tensorflow、Caffe)，实现快速创建机器学习应用，聚焦于算法本身， 更好地针对用户目前的深度学习算法，做硬件适配性算法迁移和升级优化，帮助用户提升算法训练速度。

硬件架构：IB网络＋GPU集群＋并行存储

以坤前KI4200G为代表的GPU服务器产品，在同CPU计算力下，GPU横向扩展数量要比业内大多数4U机型多，能够充分满足深度学习进程中训练和推理的双重需求。 根据深度学习多并行，高I/O需求，坤前推出Kstor并行存储系统，能够满足高带宽和高并发的海量文件存取的需求，为用户带来前所未有的存储性能体验。

该方案在保证系统稳定性前提下，能够使GPU计算能力得到充分发挥，帮助用户大幅提升线下模型训练速度，降低每个计算核心的TCO。同时， 配合坤前的AI管理平台，使用户在图像识别类应用上能够快速调用GPU资源，加速关键业务产品化进程。