一個完整的深度學習工程項目包含數據標注，數據訓練，數據預測三部分，邏輯結構圖和技術架構如下所示：

這里分別從這3個方面進行展開：

1.數據標注：包含原始數據的處理和標注，輸出為訓練預測可用的網絡數據

2.訓練任務，如圖所示：

不同渠道和部門的數據最終集中在hdfs分布式存儲上并通過數據標注平臺產生MXNET訓練需要特有的數據格式中（MR或Spark分布式計算平臺 ）

3.預測部分：

預測庫可參考如下文章：https://www.cnblogs.com/damumu/p/7320605.html

nnvm的預測庫可以自行編譯獲得，可以支持linux，android等平臺

對于Linux平臺，除了從amalgamation目錄編譯，也可以通過修改config.mk來編譯預測庫

模型的預測主要需要模型的json文件和參數文件，以及網絡的輸入數據。

快速測試可以用python調用預測庫進行預測，沒有python環境或者追求更好的性能可以編寫c++程序進行預測

?

轉載于:https://www.cnblogs.com/berrycake/p/10383817.html

總結

以上是生活随笔為你收集整理的深度学习工程搭建的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。