DL的運作部分為兩種: 訓練(Training) 、推斷(Inference)，那兩者有什麼不同呢?

1.訓練(Training) :首先建立學習環境，網路架構、半導體晶片設計、資料處理、電腦技術等等皆是必要的，其涵蓋的技術領域又廣又深，形成龐大的生態系，不過術業有專攻，若要了解每個層次的技術實在是太過複雜，因此如何在這龐大的市場上找到易取得且成熟的資源、開發工具，是發展的最大關鍵。接著建立學習目標(define learning target)，最後透過數值方法(Numerical method)進行訓練。

• 深度學習五大生態系
  2.推斷(Inference)
  經過訓練後，神經網路會以學習到的內容做為參考，依分類資料做出「結果猜測」，應用有語音辨識、廣告推薦引擎、垃圾信篩選、圖片搜索，因此GPU需要擁有極好的平行運算能力，同時處理多項工作，像是既訓練外也可以推斷。

參考資料:
Michael Copeland 。「深度學習訓練」與「推論」之間有什麼差別?
。2016年8月22日。https://blogs.nvidia.com.tw/2016/08/difference-deep-learning-training-inference-ai/
廖家宜。五個層次拆解深度學習生態系。2018年2月9日。https://www.digitimes.com.tw/iot/article.asp?cat=158&cat1=20&id=0000524527_f0s6dpiv1ue9758lhbnsy。