对公司来说，一个深度学习工程师，只会用Python调模型，而不会部署模型，使之成为真正能为客户创造价值的产品，是不合格的。在Windows平台上开发深度学习应用程序，推荐一个非常快速的开发深度学习应用程序的环境搭配： Python（训练模型）+ LabVIEW（部署模型）。

Python无需多言，是开发深度学习算法的最佳选择，大家可以参考《Windows10+TensorFlow 1.8 GPU版本安装》，先创建基于Python的深度学习算法开发环境。

LabVIEW是一个特别适合科学家做图形化应用程序开发的开发平台，若你不是计算机科班出身，我建议优先考虑LabVIEW。其好处是，学习曲线短，开发应用程序速度快。若你是计算机科班出身，那我还是建议你用C#/Java等编程语言。

LabVIEW下载地址：http://www.ni.com/zh-cn/shop/labview/download.html，注意一定要下载LabVIEW 2018及以上版本，因为LabVIEW 2018才加入了调用Python程序的Python节点

LabVIEW Python Node的用法，非常简单，一张图说明如下：

用Python训练好深度学习模型后，可以用LabVIEW直接调用推断函数（Inference function），由于LabVIEW可以快速的完成应用程序用户界面和程序框架的开发，LabVIEW+Python 可以非常方便且快速的实现基于Windows的商业化的深度学习应用程序，如下图所示：

总结：

Python负责深度学习算法开发、调试和训练，并编写好推断函数；

LabVIEW负责用户界面开发、应用程序构架开发，并调用Python编写好的推断函数，实现深度学习推断功能。

2019.07.17：加上LabVIEW图像数组传递给Python的范例

LabVIEW采集图像后，可以直接转换成二维数组传递给Python，再由Python调用深度学习算法，对图像的二维数组进行处理。下面展示LabVIEW如何传递二维数组给Python，Python又是如何处理并返回的。

Python代码：

LabVIEW代码：

2020.01.16：下面是LabVIEW生成EXE后，调用Python脚本的问题以及解决方案

参考阅读：《LabVIEW中开发TensorFlow深度学习程序》

进阶阅读：《深度学习图像识别技术》