1、 概述
随着大数据的广泛应用，深入挖掘数据内在的规律，获取新的价值点，实现智能化成为业界最关心的课题，于是涌现出很多优秀的深度机器学习模型和架构，而操作这些模型和架构需要较强的计算机编程能力，限制了领域专家的使用。而事实上，领域专家由于对本领域的有着较深的理解，往往能建立更好的模型，取得更好的效果。
本平台主要针对领域专家建立的深度学习平台，能够以非常简便的方式地对深度学习模型进行建模、训练、仿真、测试、分析、部署，而不需要了解底层的编程实现，将精力集中在模型和问题域本身，适用于工业、农业、医学、图像处理等领域，快速构建智能化应用。对于深度学习研究人员，由于平台提供了可视化的操作方式及分析手段，也可以提高研究效率。
平台客户端运行在Windows系统下，服务器端采用Linux内核设计，与业界流行的深度学习框架兼容，具有较高的运行效率。
2、 系统功能简介
2.1 浅层学习算法
平台支持传统的浅层学习算法，包含：
1）Logisti回归
2）随机森林
3）SVM支撑向量机
4）增强型BP神经网络
2.2 深度学习算法
平台通过对模型组件的拖拽、连接等可视化操作，搭建深度学习模型，包含：
1）卷积神经网络
2）堆层叠自动编码器神经网络
3）深度信念网络
4）自定义结构深度模型
2.3 模型分析
1）对深度模型中任意组件求取输出值，便于观察中间状态
2）对卷积神经网络提供特征可视化功能，便于调整卷积层的输出特征
3）对模型训练结果提供精度报告
2.4 模型处理
可以保存所设计模型、关联的数据文件、选择的字段等，并具有一键加载功能，立即恢复到模型保存时的中间状态
2.5 WEB服务发布
训练好的模型可以直接部署在WEB服务器上，对外发布预测服务。
3、 运行环境
该平台通过客户端程序进行模型设计，将数据上传至服务器进行训练和预测，以C/S 架构实现，模型预测发布以B/S架构实现。
3.1 客户端运行环境
1）操作系统WINDOWS 7 以上
2）需要安装.NET45
3.2 服务器端运行环境
1）CPU 物理双核，主频3GHZ 以上
2）内存最小需要16G，32G保持较好性能
3）最好支持GPU
4）操作系统Ubuntu 14
5）Python 2.7以上
