使用深度学习GPU检测在哪些应用方面遇了比较大的困难？有什么样的应对策略？

在使用深度学习GPU检测中主要有两个难点，一个是数据上的难点。工业检测领域一般需要进行缺陷的检测，缺陷数据实际上是我们需要的数据，但是工业系统中因为良品率比较高，所以缺陷数据的样本数量比较少，这对深度学习是一个比较大的挑战。在实际过程中，我们主要解决的方法是通过小样本学习的方案来提升整体的性能。另外一个是工业检测领域本身对于延迟比较敏感，如果方案设计的很复杂，不能够满足系统实时的情况。在这种情况下，我们需要对于模型进一步压缩，同时对于方案进行简化，但是还要保持比较高的精确度。