深度学习框架训练模型通常要求设备具有强大的算力，因此过去多是在 GPU 或是 TPU 上训练，之后再压缩部署到各终端设备。上述的三个框架也不例外。
由于神经网络模型一般比较复杂，从输入到输出的信息传递路径一般比较长，所以复杂神经网络的学习可以看成是一种深度的机器学习，即深度学习。 神经网络和深度学习并不等价。
一.在移动端应用深度学习技术的业界案例 在互联网行业中，在移动端应用深度学习技术的案例越来越多。从深度学习技术的运行端来看，主要可以分为下面两种。
深度学习算法可以让机器能够像人脑那样进行工作和处理数据，并高度依赖于人工神经网络，并基于人脑的结构 - 功能而工作。以下是十大值得关注的深度学习算法，希望能对你有所参考。 1.
相比于一般的分布式系统，深度强化学习系统比较专用，核心是Worker（CPU，用来采集数据），Learner （GPU，用来训练智能体）。
这个报告讨论了将深度学习方法引入音频信号处理中的一些尝试和初步结果。 音频信号的深度学习处理方法 报告主要包括音频信号领域的研究方向介绍和将深度学习方法引入音频信号处理中的尝试和初步结果。
2.深度学习和机器学习的关系 深度学习是机器学习的最热门分支，这句话足以解释深度学习和机器学习的关系。
对于绝大部分用户，仅需一行命令即可完成深度学习模型的服务部署工作。此外 Paddle Serving 提供了两种语言（Python/C++）编写的服务框架，方便深度用户选择自己熟悉的编程语言二次开发。
随着AI产业化落地应用的蓬勃发展，深度学习框架的关注度越来越高。近几年，国内产学联合持续发力，形成了一股国产深度学习框架的开源风潮。
