如果手机性能可以满足计算需求，Deep Learning可以做成哪些App？

在2015年目前的环境下，spark是大数据领域中一颗非常耀眼的明星，但在深度学习方面，却较少关于它的信息，查看资料大部分介绍与其他组件合用，比如：deeplearning4j，caffe等；关于spark本身的dl，在spark1.6的roadmap也有了相应的规划，可参考：[SPARK-10324] MLlib 1.6 Roadmap。

请问lenet-5的C3层是如何对S2层进行处理的？看paper上面的连接图如图所示，以C3层的0为例它和S2层的0,1,2相连，而0,1,2都是14*14的map，而C3的0是10*10map，我可以卷积处理一个14*14的map成一个10*10map（就是拿一个5*5的卷积核在map上移动），但是这里怎么把3个14*14map处理成一个10*10map，难道是卷积核在这3个map上来回跳着卷积？实在想不通这里，还望高手指教

學習數學一定要先理解加法再理解減法、乘法、除法、四則運算再來才能理解方程式等等 透過這些關係可以建構一個知識樹那怎麼透過計算機判斷我現在問的這個問題跟他的回答可能會在知識樹的哪個位置

AlphaGO 作为人工智能技术领域的杰出成果，背后有哪些细节？比如硬件组成和架构，软件配置，算法细节，运行环境等。是否利用了开源资源等？以后开源的可能性？个人或社区是否有复制的可能？目前互联网上有哪些开源得到人工智能资源？

很多人都推荐说 MIT 的 Deep Learning 是比较权威的一本学习 深度学习 的书。 大家怎么看？此书还未出版，详见官方网站 ： Deep Learning

10年艰辛，集全国科研力量，使原子弹升空。又因种种历史原因，美帝依托计算机技术遥遥领先，如今下一个时代似乎是人工智能的时代？依照现在的趋势，似乎真正的人工智能又将出现在美国？那么，国家为什么不会集中全国各大高校、企业研究机构合作研究，以争取在下一个时代不被技术压制？

我刚读研一，自己对大数据的处理分析比较感兴趣，导师让我看深度学习方面的论文和deeplearning4j方面的算法源代码，但是自己不知道如何把spark和深度学习结合起来，以后还是想出来工作的不做研究，我该怎么做呢，对了，学习spark需要hadoop基础，我现在没有这方面基础，只有java基础。

相比较而言，物联网、电动汽车、风能发电、纳米材料就并称为当今工程界四张牛皮？

想要配置一个用于深度学习的机器，暂时用2个GTX Titan x,后期可能想要扩展到用4个GTX Titan x，能扩展到8个更好，应该如何配置呢？主板、cpu、内存、硬盘、机箱、电源、散热这些都需要考虑。