现如今深度学习的模型可以说的上是天花乱坠，各种新奇的模型可以说的上是千奇百怪，每年的顶会论文例如CVPR,ICCV,ECCV,ICML等机器学习的顶级会议，每年都会有很多新奇怪的模型，但是这些模型都不一定等落地了。
何为落地？就是要把这些模型实实在在的用起来，投入到工业生产中去，但是工业部署的深度学习模型具有以下几个特点：
（1）精度与准确率要求严格，尤其一些十分重要的场合，比如电力行业的电线识别与故障检测，所以工业级使用的模型一般就是十分成熟的模型。
（2）速度快,最好达到实时检测的效果。因为工业部署的模型具有要求很高的模型，比如人流监测以及池塘中鱼的数量进行统计，这种需要进行十分迅速的 捕捉。
（3）节约能源
前一段时间发布的GPT-3自然语言处理模型。训练使用的电费可以说的上是“不能支付第二次的训练消耗”，因此工业部署的模型需要尽可能的节能与节约能源。
（4）稳定，具有一定的容错性质，因为部署设备的地方很有可能是一个温度较高，气候潮湿，如果是图像等信号方向，很容易受到噪声等方向的干扰，因此算法中的稳定性也很重要。
在工业部署中以上的四点的重要性算是依次递减。要做到以上的几点我认为需要扎实的基础知识，对深度学习模型进行十分透彻的理解，我一直觉得如果我们的编码能力如果能达到医学的要求水平，就像现在的新型冠状病毒的疫苗，分为很多期，最后进入临床阶段，在投入生产中之前，要经过层层的检验，我们如果任何一个行业都能用这样的标准要求，我们必然能成为行业的佼佼者！
这是本专栏的第一篇文章，
博主的微信公众号：AI学习经历分享
