另一方面，深度學(xué)習(xí)同樣需要與項(xiàng)目相匹配的軟件系統(tǒng)。目前， Caffe、TensorFlow、MXNet等深度學(xué)習(xí)框架均已開源，不同框架意味著不同的側(cè)重： Caffe小巧易上手，TensorFlow支持高并發(fā)處理，MXNet則具有內(nèi)存處理優(yōu)勢(shì)，只有選擇適用的軟件框架，才能使研發(fā)項(xiàng)目穩(wěn)步推進(jìn)。
其次，深度學(xué)習(xí)需要大量數(shù)據(jù)，以訓(xùn)練高準(zhǔn)確率的模型。為了達(dá)到理想的學(xué)習(xí)效果，深度學(xué)習(xí)需要利用海量訓(xùn)練數(shù)據(jù)，進(jìn)行反復(fù)多次實(shí)驗(yàn)，從而選擇合理的選擇優(yōu)化方式，進(jìn)而訓(xùn)練出高準(zhǔn)確率的模型。但是，現(xiàn)實(shí)情況是，無法獲取大規(guī)模數(shù)據(jù)往往成為開發(fā)者的瓶頸。
再者，對(duì)于深度學(xué)習(xí)，技術(shù)支撐不可或缺。對(duì)于開發(fā)應(yīng)用者而言，首先需要處理的問題即如何部署軟件系統(tǒng)并使之正常運(yùn)行，但軟件系統(tǒng)依賴于底層庫，其是否正常運(yùn)作受多重因素影響。此外，開發(fā)者還需要面對(duì)復(fù)雜的算法、頻繁的參數(shù)調(diào)節(jié)等多重難題。所以，強(qiáng)有力的技術(shù)支撐不可或缺，然而目前很多研發(fā)團(tuán)隊(duì)并不具備這樣的能力。
因此，深度學(xué)習(xí)成為一個(gè)效果很好但門檻極高的方向，如何落地產(chǎn)生實(shí)際應(yīng)用效果成為關(guān)注的焦點(diǎn)。對(duì)此，厚積薄發(fā)的云創(chuàng)大數(shù)據(jù)(www.cstor.cn)打造了全新的深度學(xué)習(xí)軟硬件平臺(tái)，于2016年7月11日正式發(fā)布DeepRack深度學(xué)習(xí)一體機(jī)，以幫助解決深度學(xué)習(xí)應(yīng)用中遇到的障礙與困境。
