1.3 在线上产品中以“云+端计算”的方式应用深度学习技术

上面介绍了深度学习技术的两个基本应用场景——检测和分类。目前常见的神经网络大多是部署在云端服务器上，并通过网络请求来完成交互的。纯云端计算的方式简单可靠，但是在用户体验方面却存在诸多问题，比如网络请求的速度限制等。

接下来看一下在实际应用中，“云+端计算”这种方式的应用场景。本书后半部分会系统全面地介绍完全在移动端计算的解决方案。

图1-2展示了百度App的首页，可以点击搜索框右侧的相机图标（箭头处）进入图像搜索界面。

图1-2 百度App的图像搜索入口

进入图像搜索界面后，可以对着物体、人脸、文本等生活中的一切事物拍照，并发起搜索，如图1-3所示。

图1-3 拍照并发起搜索

图1-4展示的是进入手机百度图像搜索界面后的UI效果。图片中的框体就应用了典型的主体检测技术。其中的白色光点不需要关注，它们应用的是计算机视觉技术，不属于神经网络算法范畴。

图1-4 移动端自动识别物体区域

还有一类App会用到深度学习技术，比如帮助用户对照片进行分类的App，如图1-5所示。这类App要对大量图片进行分类，如果在服务器端远程处理后再返回移动端，那么性能和体验都会非常差，也会消耗大量的服务器资源，企业成本会骤增，因此建议将部分计算放在移动端本地处理。“拾相”这款App就使用了深度学习技术对图片进行本地快速分类，这样不但可以提升用户体验，而且不会占用大量服务器端GPU来维持App分类的稳定。

图1-5 使用移动端深度学习技术对图片分类