Recientemente, a medida que la cantidad de datos de transmisión de video en tiempo real ha aumentado, los sistemas de procesamiento paralelo distribuido han evolucionado rápidamente para procesar datos a gran escala. Además, con un aumento en la escala de los recursos informáticos que constituyen el sistema de procesamiento paralelo distribuido, la orquestación de la tecnología se ha vuelto crucial para la gestión adecuada de los recursos informáticos, en términos de asignación de recursos informáticos, configuración de un entorno de programación e implementación de aplicaciones de usuario. En este documento, presentamos una nueva plataforma de procesamiento paralelo distribuido para el procesamiento de imágenes a gran escala en tiempo real basada en la inferencia de modelos de aprendizaje profundo, llamada DiPLIP. Proporciona un esquema para la inferencia de imágenes en tiempo real a gran escala utilizando una capa de búfer y un entorno de procesamiento paralelo escalable según el tamaño de la imagen de transmisión. Permite a los usuarios procesar fácilmente modelos de aprendizaje profundo entrenados para procesar imágenes en tiempo real en un entorno de procesamiento paralelo distribuido a alta velocidad, a través de la distribución del contenedor de máquina virtual.