1.3 在線上產品中以“云+端計算”的方式應用深度學習技術

上面介紹了深度學習技術的兩個基本應用場景——檢測和分類。目前常見的神經網絡大多是部署在云端服務器上，并通過網絡請求來完成交互的。純云端計算的方式簡單可靠，但是在用戶體驗方面卻存在諸多問題，比如網絡請求的速度限制等。

接下來看一下在實際應用中，“云+端計算”這種方式的應用場景。本書后半部分會系統全面地介紹完全在移動端計算的解決方案。

圖1-2展示了百度App的首頁，可以點擊搜索框右側的相機圖標（箭頭處）進入圖像搜索界面。

圖1-2 百度App的圖像搜索入口

進入圖像搜索界面后，可以對著物體、人臉、文本等生活中的一切事物拍照，并發起搜索，如圖1-3所示。

圖1-3 拍照并發起搜索

圖1-4展示的是進入手機百度圖像搜索界面后的UI效果。圖片中的框體就應用了典型的主體檢測技術。其中的白色光點不需要關注，它們應用的是計算機視覺技術，不屬于神經網絡算法范疇。

圖1-4 移動端自動識別物體區域

還有一類App會用到深度學習技術，比如幫助用戶對照片進行分類的App，如圖1-5所示。這類App要對大量圖片進行分類，如果在服務器端遠程處理后再返回移動端，那么性能和體驗都會非常差，也會消耗大量的服務器資源，企業成本會驟增，因此建議將部分計算放在移動端本地處理。“拾相”這款App就使用了深度學習技術對圖片進行本地快速分類，這樣不但可以提升用戶體驗，而且不會占用大量服務器端GPU來維持App分類的穩定。

圖1-5 使用移動端深度學習技術對圖片分類