本申请公开了一种深度学习框架设计方法以及系统，该方法包括：用户通过展现层输入训练参数，AI业务层根据输入训练参数和第一推荐模型优化训练参数并且提交训练任务到K8s调度层；K8s调度层基于优化后的训练参数和第二推荐模型生成和优化K8s资源文件，并且，根据优化后的K8s资源文件提交资源请求、启动容器、运行训练任务；通过K8s调度层动态调整容器负载，收集容器运行日志来建立第二推荐模型用以优化后续的K8s资源文件；通过K8s调度层收集训练任务的训练数据建立第一推荐模型用以优化后续的训练参数。本申请的目的至少在于，能够支持容器资源弹性分配和训练结果优化的深度学习。