金蝶利用深度學(xué)習(xí)算法，為社會(huì)發(fā)展貢獻(xiàn)出自己的力量！

近年來，隨著金蝶在專業(yè)領(lǐng)域的深耕，同時(shí)也在深度學(xué)習(xí)算法應(yīng)用中不斷完善，尤其是企業(yè)當(dāng)需要對網(wǎng)絡(luò)細(xì)節(jié)做了一些改進(jìn)的時(shí)候，難免需要深度學(xué)習(xí)算法配合來展示亮點(diǎn)。

據(jù)了解，深度學(xué)習(xí)算法分兩個(gè)階段，首先是網(wǎng)絡(luò)訓(xùn)練：設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)模型，使用服務(wù)器或者具有外部圖形處理單元或GPU的PC上通過大型數(shù)據(jù)集離線訓(xùn)練以調(diào)整模型參數(shù)，通常在PC上使用Caffe 、TensorFlow等框架完成。

然后是模型部署：采用包含參數(shù)的預(yù)訓(xùn)練模型，對輸入的數(shù)據(jù)預(yù)測輸出結(jié)果，可以用TIDL轉(zhuǎn)換工具將開源框架得到的網(wǎng)絡(luò)和參數(shù)轉(zhuǎn)換成TIDL支持的bin文件。

目前，深度算法學(xué)習(xí)與機(jī)器學(xué)習(xí)關(guān)系很密切。過去十年里，人們對機(jī)器學(xué)習(xí)的興趣經(jīng)歷了爆炸式的增長。幾乎每天都可以在計(jì)算機(jī)程序、行業(yè)會(huì)議和媒體上看到機(jī)器學(xué)習(xí)的身影。很多關(guān)于機(jī)器學(xué)習(xí)的討論都混淆了“機(jī)器學(xué)習(xí)能做什么”和“人類希望機(jī)器學(xué)習(xí)能做什么”。從根本上講，機(jī)器學(xué)習(xí)是運(yùn)用算法從原始數(shù)據(jù)中提取信息，并用某種類型的模型進(jìn)行表示，然后使用該模型對一些尚未用模型表示的其他數(shù)據(jù)來進(jìn)行推斷。

其實(shí)神經(jīng)網(wǎng)絡(luò)就是機(jī)器學(xué)習(xí)各類模型中的其中一類，并且已經(jīng)存在了至少50年。神經(jīng)網(wǎng)絡(luò)的基本單位是節(jié)點(diǎn)，它的想法大致來源于哺乳動(dòng)物大腦中的生物神經(jīng)元。生物大腦中的神經(jīng)元節(jié)點(diǎn)之間的鏈接是隨著時(shí)間推移不斷演化的，而神經(jīng)網(wǎng)絡(luò)中的神經(jīng)元節(jié)點(diǎn)鏈接也借鑒了這一點(diǎn)，會(huì)不斷演化（通過“訓(xùn)練”的方式）。

據(jù)了解，神經(jīng)網(wǎng)絡(luò)中很多重要框架的建立和改進(jìn)都完成于二十世紀(jì)八十年代中期和九十年代初期。然而，要想獲得較好結(jié)果需要大量的時(shí)間和數(shù)據(jù)，由于當(dāng)時(shí)計(jì)算機(jī)的能力有限，神經(jīng)網(wǎng)絡(luò)的發(fā)展受到了一定的阻礙，人們的關(guān)注度也隨之下降。

在這種情況下，深度學(xué)習(xí)以一個(gè)競爭者的姿態(tài)出現(xiàn)，在計(jì)算能力爆炸式增長的十年里脫穎而出，并且贏得了許多重要的機(jī)器學(xué)習(xí)競賽。其熱度在今年仍然不減。如今，在機(jī)器學(xué)習(xí)出現(xiàn)的地方，我們都能看到深度學(xué)習(xí)算法的身影。其兩者都能為企業(yè)帶去力量，加快社會(huì)的發(fā)展。

金蝶旗下深度學(xué)習(xí)算法技術(shù)已經(jīng)被證明在計(jì)算機(jī)視覺、語音識(shí)別、文本分類和計(jì)算生物學(xué)等領(lǐng)域的有監(jiān)督學(xué)習(xí)任務(wù)中能提升神經(jīng)網(wǎng)絡(luò)的性能，并在多個(gè)基準(zhǔn)數(shù)據(jù)集中達(dá)到最優(yōu)秀的效果。相信未來也可以在專業(yè)領(lǐng)域不斷進(jìn)步，帶來更多智能化的產(chǎn)品，推動(dòng)社會(huì)的發(fā)展。