随着社会信息化程度的不断提高,深度学习分析由于其高效率、高可塑性、高普适性等特点已经被社会各行各业所广泛应用,同时深度学习框架的发展趋向于复杂化和庞大化,这使得一般的以cpu为计算模块的服务器在进行深度学习分析时,不论在处理效率还是处理准确性上都很难满足工业以及科研的要求。而现在的以gpu为计算模块的服务器,也并没有出现专门针对深度学习的各类模型进行加速的软硬件结合的一体机产品。公司针对上述问题,应用深度学习和硬件加速的相关技术,设计实现了一个能够对深度学习各种模型和网络进行加速的深度学习一体机产品。本文研发的卷积神经网络的深度学习分析平台,是整个深度学习机产品中的一个主要软件模块。该系统是以卷积神经网络为基础,以caffe模型为框架,对LeNet与AlexNet等卷积神经网络进行定义,并对这些网络在cpu与gpu两种硬件环境下的计算过程进行实现。本文的主要工作包括:(1)介绍了深度学习一体机项目和深度学习分析平台现状及项目的意义。(2)描述了系统的相关技术背景,包括卷积神经网络、深度学习框架caffe、硬件加速模块以及相关开发技术。(3)针对深度学习分析平台进行了需求分析,对系统进行功能性需求分析、非功能性需求分析,同时对系统的各模块进行了详细分析。(4)具体介绍了深度学习分析平台的详细设计和代码实现,包括对系统中视觉层、普通层、激活层和损失层等各模块的详细设计和具体实现进行了叙述。深度学习分析平台已能够完整支持深度学习机的各项功能,目前系统正处于内部测试阶段。