在已经掌握 Julia 和 Flux.jl 中创建及训练神经网络 (neural network)的基础知识后，本章将讨论一些进阶技术和操作点。我们将着重介绍如何大幅加速模型训练和运行的方法，特别是通过使用图形处理器（GPU）。

您将学会：

• 配置并使用 CUDA.jl 以在 NVIDIA GPU 上运行 Flux.jl 模型，并有效管理 CPU 与 GPU 之间的数据。
• 对模型进行性能分析，以找出性能瓶颈并应用优化策略。
• 使用已有的模型，这是基于成熟架构进行开发的常见做法。
• 理解 Flux.jl 中基础的生成模型方法。
• 了解 Julia 生态系统中可用的其他深度学习 (deep learning)库，并理解如何将 Python 库整合到您的 Julia 工作流程中。
• 最后，我们将讨论如何为部署您的 Julia 深度学习应用做准备。

完成本章学习后，您将更有能力去处理更具挑战性的深度学习任务，优化模型以提高速度，并考虑在更广泛的应用中使用模型的实际操作方面。