深度学习是个杂乱的概念，其间每项要素都不简略。即便您身为现已熟练掌握人工神经网络基础知识的数据科学家，咱们也需求时刻了解加快卷积、复发、生成以及其它与多层深度学习算法规范相关的杂乱概念。而跟着深度学习立异态势的升温，这一技能开端面对新的危险——关于一般开发者而言，其过度杂乱的特性导致咱们即便深入研究也很难加以了解。
但我个人对此却是颇有决心，在我看来在这个十年结束时，深度学习业界将大大简化其功用交给办法，意味着一般开发者也能够了解并加以选用。下面，我将与咱们一起评论关于深度学习未来发展方向的六项猜测。
1.深度学习业界将选用一组中心规范化东西
到这个十年结束时，深度学习业界将树立起一组中心规范化东西结构。就现在而言，深度学习专家现已选定了一部分东西选项，其间大部分为开源项目。最具人气的效果包含TensorFlow、BigDL、OpenDeep、Caffe、Theano、Torch以及MXNet。
2.深度学习将在Spark之内完结原生支撑
Spark社区将在未来一到两年内增强该渠道的原生深度学习才能。经过本届Spark峰会的讲话来看，整个技能社区好像正将尽力方向清晰指向TensorFLow，而BigDL、Caffe与Torch也至少会被归入支撑领域。
3.深度学习将在敞开剖析生态系统中找到坚实的利基渠道
大大都深度学习布置计划安身于Spark、Hadoop、Kafka以及其它开源数据剖析渠道。益发清晰的趋势指出，咱们将无法在短少由这些渠道供给的完好大数据剖析才能的前提下完结深度学习算法的练习、办理与布置。详细来讲，Spark将成为完结深度学习算法在各类东西内规模化与加快树立的基础性渠道。能够必定的是，大都深度学习开发者正在运用Spark集群以完结超参数优化、快速内存数据练习、数据整理以及预处理等特定使命。
4.深度学习东西将引进经过简化的编程结构以完结快速编码
运用开发者社区将持续选用API及其它编程笼统计划，旨在下降代码行数以快速完结中心算法功用的开发。展望未来，深度学习开发者将越来越多地腰牌集成化、敞开、根据云的开发环境，并由此拜访更为广泛的现成及可插拔算法库。这一切将使得深度学习运用以可拼装容器化微服务的方式完结API驱动型开发。此类东西将主动完结更多深度学习开发管道功用，一起供给适用于笔记本设备的协作与同享规范。跟着这种趋势的加重，咱们将看到更多比如《50行代码(Pytorch)完结生成式对立网络》这样的头条新闻。
5.深度学习东西集将支撑可复用组件的可视化开发
深度学习东西集将引进更多模块化功用以完结可视化规划、装备以及安身于原有构建组件的新模型练习。其间大部分可复用组件将经过“翻译学习”从原有项目中提取，用以处理相似的用例。可复用深度学习工件将被结合到规范库与接口傍边，详细包含特征表达、神经节点分层、权重办法、练习办法、学习速率以及其它与原有模型相关的功用。
6.深度学习东西将被嵌入至每一类规划面
现在评论“深度学习民主化”进程还为时过早。在未来五到十年内，深度学习开发东西、库以及言语将逐步成为每一种软件开发东西集内的规范组件。相同重要的是，这些用户友爱型深度学习开发才能将被嵌入至生成式规划东西内，以供艺术家、规划师、架构师以及来自各个领域的创造性工作者运用。推动这一切的正是深度学习东西的易用性，其强壮的才能将被广泛运用于图画查找、主动符号、仿真烘托、分辨率增强、风格转化、图形启示以及音乐编曲等层面。
跟着深度学习在大规模市场化运用领域的快速推动，其将与数据可视化、商务智能与猜测剖析一道成为很多职业的安身柱石。而各类测验学习计划也将开端向自助服务式云交给形式转型，从而为那些不期望触摸底层技能杂乱性的用户供给便当。而这，也正是长久以来技能发展的必然趋势。
