随着深度学习理论和实践的不断兴起，多种深度学习框架不断涌现，在深度学习模型训练前，需要在大数据框架下进行数据预处理。如何既充分使用现有的GPU等系统资源，又管理好这些不同的深度学习框架，并使其与大数据框架相结合具有强烈的现实需求。基于此，本文设计并实现了基于YARN的深度学习框架调度系统。　　本文首先从YARN已有的CPU和内存这两种资源类型出发，结合GPU的使用特性，在YARN的资源类型表示部分增加了GPU，使得系统可以以块级为单位使用GPU。为了使系统可以更好地使用GPU资源，本文对GPU采用深度优先搜索算法进行管理和使用。在YARN可以管理GPU资源的基础上，为了使YARN可以同时对多维系统资源，主要是CPU、内存和GPU同时进行调度，本文扩展了YARN既有的算法DRF，即主资源公平调度。　　接着，为了使利用深度学习框架写成的应用程序能够运行在YARN之上，本文充分利用了YARN的通用接口，对于主流的深度学习框架TensorFlow和Caffe均设计了相应的客户端，并修改了相应的ApplicationMaster。这使得采用TensorFlow和Caffe框架写成的应用程序可以运行在YARN框架之上，具有对应用程序的启动、监控、异常处理、自动分发和回收等功能，最终形成了一个可对多维资源进行管理和调度，可供多用户同时对多种深度学习框架进行使用的系统。　　最后，本文从多个角度，设计了多组实验对研发的系统进行有效性测试和相关性能测试，并详细分析了产生的实验结果。这些实验结果均表明本文实现的系统是非常有效的，同时实验结果也体现了本系统在不同深度学习框架下的有效程度。