【51CTO.com快譯】深度學習是個復雜的概念，其中每項因素都不簡單。即使您身為已經(jīng)熟練掌握人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ)知識的數(shù)據(jù)科學家，大家也需要時間了解加速卷積、復發(fā)、生成以及其它與多層深度學習算法規(guī)范相關(guān)的復雜概念。而隨著深度學習創(chuàng)新態(tài)勢的升溫，這一技術(shù)開始面臨新的風險——對于普通開發(fā)者而言，其過度復雜的特性導致我們即使深入研究也很難加以了解。

但我個人對此倒是頗有信心，在我看來在這個十年結(jié)束時，深度學習業(yè)界將大大簡化其功能交付方式，意味著普通開發(fā)者也能夠理解并加以采用。下面，我將與大家一同探討關(guān)于深度學習未來發(fā)展方向的六項預測。

[[184073]]

1.深度學習業(yè)界將采用一組核心標準化工具

到這個十年結(jié)束時，深度學習業(yè)界將建立起一組核心標準化工具框架。就目前而言，深度學習專家已經(jīng)選定了一部分工具選項，其中大部分為開源項目。最具人氣的成果包括TensorFlow、BigDL、OpenDeep、Caffe、Theano、Torch以及MXNet。

2.深度學習將在Spark之內(nèi)實現(xiàn)原生支持

Spark社區(qū)將在未來一到兩年內(nèi)增強該平臺的原生深度學習能力。通過本屆Spark峰會的發(fā)言來看，整個技術(shù)社區(qū)似乎正將努力方向明確指向TensorFLow，而BigDL、Caffe與Torch也至少會被納入支持范疇。

3.深度學習將在開放分析生態(tài)系統(tǒng)中找到堅實的利基平臺

大多數(shù)深度學習部署方案立足于Spark、Hadoop、Kafka以及其它開源數(shù)據(jù)分析平臺。愈發(fā)明確的趨勢指出，我們將無法在缺少由這些平臺提供的完整大數(shù)據(jù)分析能力的前提下實現(xiàn)深度學習算法的訓練、管理與部署。具體來講，Spark將成為實現(xiàn)深度學習算法在各類工具內(nèi)規(guī)模化與加速建立的基礎(chǔ)性平臺。可以肯定的是，多數(shù)深度學習開發(fā)者正在利用Spark集群以實現(xiàn)超參數(shù)優(yōu)化、快速內(nèi)存數(shù)據(jù)訓練、數(shù)據(jù)清理以及預處理等特定任務(wù)。

4.深度學習工具將引入經(jīng)過簡化的編程框架以實現(xiàn)快速編碼

應(yīng)用開發(fā)者社區(qū)將繼續(xù)采用API及其它編程抽象方案，旨在降低代碼行數(shù)以快速完成核心算法功能的開發(fā)。展望未來，深度學習開發(fā)者將越來越多地腰牌集成化、開放、基于云的開發(fā)環(huán)境，并由此訪問更為廣泛的現(xiàn)成及可插拔算法庫。這一切將使得深度學習應(yīng)用以可組裝容器化微服務(wù)的形式實現(xiàn)API驅(qū)動型開發(fā)。此類工具將自動實現(xiàn)更多深度學習開發(fā)管道功能，同時提供適用于筆記本設(shè)備的協(xié)作與共享規(guī)范。隨著這種趨勢的加劇，我們將看到更多諸如《50行代碼(Pytorch)實現(xiàn)生成式對抗網(wǎng)絡(luò)》這樣的頭條新聞。

5.深度學習工具集將支持可復用組件的可視化開發(fā)

深度學習工具集將引入更多模塊化功能以實現(xiàn)可視化設(shè)計、配置以及立足于原有構(gòu)建組件的新模型訓練。其中大部分可復用組件將通過“翻譯學習”從原有項目中提取，用以解決類似的用例。可復用深度學習工件將被結(jié)合到標準庫與接口當中，具體包括特征表達、神經(jīng)節(jié)點分層、權(quán)重方法、訓練方法、學習速率以及其它與原有模型相關(guān)的功能。

6.深度學習工具將被嵌入至每一類設(shè)計面

現(xiàn)在討論“深度學習民主化”進程還為時過早。在未來五到十年內(nèi)，深度學習開發(fā)工具、庫以及語言將逐漸成為每一種軟件開發(fā)工具集內(nèi)的標準組件。同樣重要的是，這些用戶友好型深度學習開發(fā)能力將被嵌入至生成式設(shè)計工具內(nèi)，以供藝術(shù)家、設(shè)計師、架構(gòu)師以及來自各個領(lǐng)域的創(chuàng)造性工作者使用。推動這一切的正是深度學習工具的易用性，其強大的能力將被廣泛應(yīng)用于圖像搜索、自動標記、仿真渲染、分辨率增強、風格轉(zhuǎn)換、圖形啟發(fā)以及音樂編曲等層面。

隨著深度學習在大規(guī)模市場化應(yīng)用領(lǐng)域的快速推進，其將與數(shù)據(jù)可視化、商務(wù)智能與預測分析一道成為眾多行業(yè)的立足基石。而各類嘗試學習方案也將開始向自助服務(wù)式云交付模式轉(zhuǎn)型，從而為那些不希望接觸底層技術(shù)復雜性的用戶提供便利。而這，也正是長久以來技術(shù)發(fā)展的必然趨勢。

原文標題：6 predictions for the future of deep learning

原文作者：James Kobielus

【51CTO譯稿，合作站點轉(zhuǎn)載請注明原文譯者和出處為51CTO.com】