以下是部署数据科学应用程序和 TensorFlow 时的一些注意事项（尤其是在企业大规模部署时更应该注意）：

1. 如何对部署的复杂性进行管理，例如在 OS ，内核库和 TensorFlow 不同版本之间进行部署。

2. 如何在作业期间支持创建临时集群。

3. 如何隔离正在使用的资源并阻止同时队同一资源的访问请求。

4. 如何在共享的多租户环境中对 GPU 和 CPU 资源进行管理和分配。

BlueData EPIC 软件平台 就可以解决这些问题，它能够按照数据科学团队的需要访问各种不同的大数据分析、数据科学、机器学习和深度学习工具。在一个灵活、弹性和安全的多租户架构中使用 Docker 容器， BDaaS （ Big-Data-as-a-Service ）软件平台可以支持大规模分布式数据科学和深度学习用例。

BlueData 的最新版本可以支持启动采用 GPU 加速的集群，并且支持 TensorFlow 在 GPU 或 Intel 架构的 CPU 上进行深度学习。数据科学家可以在 BlueData EPIC 软件平台上启动即时 TensorFlow 集群在 Docker 容器上进行深度学习。 BlueData 支持在 Intel Xeon 硬件和 Intel MKL 上运行基于 CPU 的 TensorFlow ，也支持采用 NVIDIA CUDA 库、 CUDA 扩展以及用于 Docker 容器的字符设备映射的基于 GPU 的 TensorFlow 。

BlueData EPIC 软件平台可以为 TensorFlow 提供自助服务、弹性和安全环境，无论是在本地、公共云还是在二者的混合结构中都拥有同样的界面，不管其底层架构多么不同，用户都会有相同的用户体验。

如下图所示，用户可以像用于其他大数据分析、数据科学和机器学习环境一样，能够很容易地将带有 BigDL 的即时 TensorFlow 集群在 BlueData 软件平台上进行深度学习。并且，用户可以指定在 TensorFlow 运行的 Docker 容器放置在有 GPU 还是 CPU 配置的基础架构，以及在公共云还是在本地。

按需创建 TensorFlow 集群