深度學習是一種機器學習技術，它教計算機做人類自然而然的事情：通過例子學習。深度學習是無人駕駛汽車背后的一項關鍵技術，使它們能夠識別停車標志，或區分行人和路燈柱。它是手機、平板電腦、電視和免提揚聲器等消費類設備中語音控制的關鍵。深度學習最近得到了很多關注，它正在取得以前不可能取得的成果。

　　在深度學習中，工控PC發揮了不可或缺的重要性，計算機模型直接從圖像、文本或聲音中學習執行分類任務。工控電腦可以協助深度學習模型可以達到最先進的準確性，有時甚至超過人類水平的表現，通過使用大量標記數據和包含許多層的神經網絡架構來訓練模型。

　　深度學習如何取得如此令人印象深刻的結果？

　　一言以蔽之，準確性。深度學習在比以往更高的水平上實現了識別準確度。這有助于消費電子產品滿足用戶期望，對于無人駕駛汽車等安全關鍵型應用至關重要。深度學習的最新進展已經改進到深度學習在某些任務（例如對圖像中的對象進行分類）中優于人類的程度。

　　雖然深度學習在 1980 年代首次被理論化，但它近年來被使用的話主要有兩個原因：

　　1、深度學習擁有標記大量數據的能力。例如，無人駕駛汽車的開發需要數百萬張圖像和數千小時的視頻，而這些數據需要先存儲再進行標記，應用深度學習的機器，則需要工控電腦擁有大容量存儲空間，才能保證機器在深度學習過程中穩宕不亂的標記大量數據。

　　2、深度學習擁有強大的計算能力。搭載在深度學習系統中應用的工控主機，大多擴展性能優秀，例如配置的PCIE*16插槽則支持擴展獨立GPU顯卡，而高性能 GPU 顯卡具有對深度學習有效的并行架構，當與集群或云計算結合使用時，這使開發團隊能夠將深度學習網絡的訓練時間從數周減少到數小時或更短。

　　深度學習應用案例包含哪些？

　　1、深度學習應用程序用于從自動駕駛到醫療設備的行業。

　　2、自動駕駛：汽車研究人員正在使用深度學習來自動檢測停車標志和交通信號燈等物體。此外，深度學習用于檢測行人，這有助于減少事故。

　　3、航空航天和國防：深度學習用于識別來自衛星的目標區域，并確定部隊的安全或不安全區域。

　　4、醫學研究：癌癥研究人員正在使用深度學習來自動檢測癌細胞。加州大學洛杉磯分校的團隊建造了一個先進的顯微鏡，它產生了一個高維數據集，用于訓練深度學習應用程序以準確識別癌細胞。

　　5、工業自動化：深度學習通過自動檢測人或物體何時在機器的不安全距離內來幫助提高重型機械周圍的工人安全。