什么是 BigDL？
BigDL 是一种面向 Apache Spark* 的分布式深度学习库， 用户可以通过 BigDL 将深度学习应用编写为标准的 Spark 程序，这些程序可以直接在 Spark 或 Hadoop 集群上运行。
- 丰富的深度学习支持。 BigDL 模仿Torch，为深度学习提供综合支持，包括数值计算（借助Tensor）和高级神经网络；此外，用户可以利用 BigDL 将预训练Caffe或Torch模型加载至 Spark 程序。
- 极高的性能。为了获得出色的性能，BigDL 将英特尔 MKL和多线程编程应用到每个 Spark 任务中。 因此，相比现成的开源Caffe、Torch和TensorFlow，BigDL 在单节点至强处理器上的运行速度高出多个数量级（即与主流 GPU 相当）。
- 高效的横向扩展。 BigDL 通过Apache Spark（一种极速分布式数据处理框架）实现高效横向扩展，执行“大数据规模”数据分析，在 Spark 上有效实施同步 SGD 和 all-reduce 通信。
为什么选择 BigDL？
如果在编写深度学习程序时面临如下情况，建议使用 BigDL：
- 在存储数据的大数据 (Hadoop/Spark) 集群（如 HDFS、HBase、Hive 等集群）中分析大量数据。
- 在大数据 (Spark) 程序和/或工作流程中添加深度学习功能（训练或预测）。
- 利用现有的 Hadoop/Spark 集群运行深度学习应用，随后与其他工作负载动态共享（例如 ETL、数据仓库、特性设计、经典机器学习、图形分析等等）。
如何使用 BigDL？
- 安装、创建 BigDL （在 Linux 和 macOS 上）
- 入门 - 了解如何运行 BigDL 程序（作为本地 Java 程序或 Spark 程序）
- 在 EC2 上试用 BigDL
- 教程 - 了解如何利用 BigDL 在几分钟时间内创建实用的神经网络
支持
- 加入BigDL 谷歌群组
- 订阅邮件列表（有关 BigDL 问题的讨论）
- 发布错误报告和特性请求