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。
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。