深度学习具有强大的学习能力，已经成为以NLP、图像和语音等AI应用领域的标配技术。但在工业部署中，却存在两个明显问题：
1、深度学习模型一般都比较复杂，非常占内存，计算耗时。
2、大数据时代，实际工业生产环境下，每天需要处理的增量数据上亿，甚至数十亿。
因此，在训练得到优质的深度学习模型（基于Tensorflow）之后，如何部署模型，高效处理上亿的数据是一个紧急且至关重要的问题。
本视频主要讲解，如何结合Spark大数据平台，利用分布式、多并发的模式来高效的部署深度学习模型，希望能给您一些启发。
扫描下方二维码可以订阅哦！
DeepLearning_NLP
深度学习与NLP
