爱站程序员基地其实在我们编写波士顿房价预测任务的过程中，可以看到是比较繁琐的。
如果我们拥有深度学习框架和平台，我们可以简化更多不必要的繁琐的外围工作，我们只关注模型设计和业务场景本身。
深度学习工具的优势：
1.节省编写大量底层代码的精力：屏蔽底层实现，用户只需关注模型的逻辑结构。同时，深度学习工具简化了计算，降低了深度学习入门门槛。
2.省去了部署和适配环境的烦恼：具备灵活的移植性，可将代码部署到CPU/GPU/移动端上，选择具有分布式性能的深度学习工具会使模型训练更高效。
在不同任务中，建模者关心的是指定模型与逻辑元素，更为理想的能够是我们深度学习效率大大提高的是，将如何实现这些元素由深度学习框架/平台完成。
如果我们直接学习飞桨平台，可能还体会不到它的优势，但在通过自己的努力和推导下，完成了波士顿房价预测任务后，我才发现，完成建模后，再去实现它花费了很大精力。
如果有一个平台或框架能够帮助我实现这些固定的算法与元素，能够提供大量的现成模型资源，可以提高我们的工作效率。
由此，我也体会到了飞桨的魅力。
