随着世界技术的迭代与发展，人工智能和机器学习正在超自动化领域，扮演着越来越重要的角色。2020年的冠状病毒疫情突发，整个世界都在防疫的道路上披荆斩棘。人工智能发挥了重大作用，智能测温、智能消毒、智能建设都能看到AI的影子。
自动化的工作流程应该适应社会不断变化的情况，并主动应对意外情况发生。这就是人工智能、机器学习模型和深度学习发挥重要作用的地方。
人工智能从学术理论研究，再到生产应用的产品开化的过程中，涉及了诸多不同工具，这也就使得人工智能开发依赖的环境安装、部署、测试，以及不断迭代改进准确性和性能调优的工作，变得非常繁琐耗时也非常复杂。
为了优化这一过程，大家都做了非常多的努力，开发完善了许多基础平台，还有一些通用的工具。这就是机器学习框架或深度学习框架。当有了这些基础平台、工具，就完全避免了重复发明轮子，从而更加专注于技术研究与产品创新。
随着技术的普及，各家企业的框架逐渐成熟化，深度学习技术的门槛会越来越低。但是由于实际业务的不断丰富和深入，产业界对深度学习训练框架不断产生新的需求。开源框架和模型工具也已经无法直接满足实际生产和业务需求。
无论是对于深度学习相关专业的初学者，还是已经在企业和组织中从事工业场景应用和研发的开发者来说，选择一个适合自己，适合业务场景需求的深度学习框架显得尤为重要。
所以本篇来梳理一下深度学习方向的学习路线和知识点，包括深度学习到底要学什么、有哪些重要知识、现在的主流的技术点有哪些。
01
深度学习成长路线
