作者：万宫玺
随着机器学习、深度学习为主要代表的人工智能技术的逐渐成熟，越来越多的 AI 产品得到了真正的落地。无论是以语音识别和自然语言处理为基础的个人助理软件，还是以人脸识别为基础的刷脸付费系统，这些都是 AI 技术在现实生活中的实际应用。应当说 AI 正在走进千家万户，来到你我的身边。
另一方面，从研发角度来讲，AI 产品的落地并不是一件容易的事情：
- AI 技术数学理论要求高，数理统计、神经理论与脑科学、优化理论、矩阵论……
- AI 硬件层面要求非常高，GPU、TPU、FPGA……
如何基于目前的主流研究成果和硬件，对 AI 产品进行一站式的开发？这正是当前企业工程师面临的实际痛点。
对此，多家企业及研究机构推出了自己的解决方案，如 Google 推出并开源了 TensorFlow，Facebook 主导 PyTorch 和 Caffe 2，Amazon 选择 MXNet 并打算投资围绕 MXNet 的系统，微软开发并大力推广 CNTK…
这些都是以 Python 和 C/C++ 语言为主，而在目前企业项目中，无论是 Web 应用、Andriod 开发还是大数据应用，Java 语言都占有很大的比例。此外，我们必须看到，越来越多的从事传统 Java 应用开发的工程师尝试将 AI 技术融入到项目中，或者自身在尝试转型 AI 领域。因此如果有类似 TensorFlow、Caffe 这些 AI 解决方案而又同时基于 Java 的，那么无疑会为项目的推进及个人的发展带来很多便利。
Deeplearning4j 正是这类解决方案中的佼
