一个完整的深度学习工程项目包含数据标注，数据训练，数据预测三部分，逻辑结构图和技术架构如下所示：
这里分别从这3个方面进行展开：
1.数据标注：包含原始数据的处理和标注，输出为训练预测可用的网络数据
2.训练任务，如图所示：
不同渠道和部门的数据最终集中在hdfs分布式存储上并通过数据标注平台产生MXNET训练需要特有的数据格式中（MR或Spark分布式计算平台 ）
3.预测部分：
预测库可参考如下文章：https://www.cnblogs.com/damumu/p/7320605.html
nnvm的预测库可以自行编译获得，可以支持linux，android等平台
对于Linux平台，除了从amalgamation目录编译，也可以通过修改config.mk来编译预测库
模型的预测主要需要模型的json文件和参数文件，以及网络的输入数据。
快速测试可以用python调用预测库进行预测，没有python环境或者追求更好的性能可以编写c++程序进行预测
