可以将深度学习（机器学习）应用划分为offline，online predict，online learning，local learning和Global learning等多种形态。不同形态下不同的技术实现路径我们将面临不同的挑战和问题。
这篇文章主要讲的是online predict（在线预测）和offline（离线预测）。模型学习过程是离线的，不是在线的。
online predict
移动端用于做数据输入的预处理，接着向服务器发送请求，把数据传到服务器，在服务器执行深度学习模型，然后接受服务器回传数据进行展示。现在很多APP都是这个思路， 优点是这个方式部署相对简单，现成的框架（caffe，theano，mxnet，Torch) 做下封装就可以直接拿来用，服务器性能大, 能够处理比较大的模型，缺点是必须联网。
offline
离线在设备端（mobile、pad等）计算，受限于设备端的计算速度，需要在模型（模型压缩、“阉割”）层面、代码层面做大量计算优化以减少延迟、保护用户体验。
