打造云上深度学习实验室
云栖TechDay36期，来自阿里云技术专家必嘫带来题为“打造云上深度学习实验室”的演讲。本文主要从深度学习流程开始谈起，解释了深度学习应用构建的完整生命周期，进而分享了机遇与容器服务的深度学习解决方案架构，接着讲解了端到端的深度学习体验，最后作了简要总结。
Skia深入分析8——Skia的GPU绘图
Skia的GPU绘图
一、Skia-GPU概述
在Android4.2到Android5.0的过程中，skia中开发较频繁的部分莫过于GPU加速部分和延迟渲染机制，尽管目前来看几乎没有用到，但后续很可能会在Frameworks层引入。
在Android上面，只可能使用OpenGL，因此作为使用OpenGL的绘图引擎，关注如下要点即可：
1、OpenGL上下文如何建
Android图形显示系统——下层显示3：窗口系统
Android之窗口系统
要点
1.Android窗口系统通过C-S架构和一套Buffer循环机制实现，在保证安全稳定的前提下基本上做到了极致性能（无大块内存拷贝，IPC通信内容最少）。
2.SurfaceFlinger创建Layer，将其中的BufferQueueProducer作为IGraphicBufferProducer传给应用侧的Surface，因而构成窗
阿里云异构计算平台——加速AI深度学习创新
云栖TechDay第36期，阿里云高级产品专家霁荣带来“阿里云异构计算平台——加速AI深度学习创新”的演讲。本文主要从深度学习催生强大计算力需求开始谈起，包括GPU的适用场景，进而引出了弹性GPU服务——EGS（Elastic GPU Service），重点讲解了EGS的优势、EGS监控以及EGS产品家族，最后对EGS支撑AI智能创新进行了总结。
阿里NIPS 2017论文解读：如何降低TensorFlow训练的显存消耗？
被誉为国际顶级的机器学习和神经网络学术会议NIPS 2017于12月4日-9日在美国加州长滩市举行。在本届会议上，阿里巴巴除有两篇论文入选Workshop并进行Oral和Poster形式报告外，三大技术事业部连续3天在阿里展区举行多场技术研讨会，向5000余名参会人员介绍阿里在机器学习、人工智能领域的技术研究、产品与落地应用。
Android图形显示系统——下层显示4：图层合成下（硬件合成器）
硬件合成器-HwComposer
使用3D合成，需要大面积的像素混合计算和大量的内存传输（GPU读写GraphicBuffer所需），对GPU和DDR来说是一个巨大的负担。在GPU/DDR重度使用的场景（比如玩游戏），会造成发热、卡顿等。
为了提升性能，减少功耗，可以将合成这个过程交由另一个芯片完成，减轻GPU负担。进一步，直接让这个芯片连LCD，在LCD需要显示某一行时
阿里云郑晓：浅谈GPU虚拟化技术（第二章）
注：本系列第一章推送门：阿里云郑晓：浅谈GPU虚拟化技术（第一章） GPU虚拟化发展史
第二章 GPU虚拟化方案之——GPU直通模式
目前流行的商用GPU虚拟化方案可以分为以下几类：GPU 直通模式，GPU SRIOV 模式，GPU 半虚拟化（mediated passthrough：包括Intel GVT-g和Nvidia GRID vGPU），VMWare的GPU全虚拟化（vSGA）。