深度学习模型的搭建、训练和部署过程需要有一定的编程基础和相关的专业知识，这给非计算机从业人员带来了一定的挑战性。而可视化的深度学习编程模型将大大降低深度学习模型搭建、训练和部署过程的难度，以此扩大可以利用深度学习方法解决问题的人群范围。
该深度学习编程模型将支持图像分割、图像分类、图像生成、目标检测、机器翻译等多种深度学习任务，支持FCN、VGG、U-Net、YOLO、Encoder-Decoder等经典深度学习模型。
（1）可视化编程模型：利用web（html+css+js）技术搭建前端UI，以支持用户在浏览器上用可视化的、拖拽交互的方式搭建深度学习模型，并操控训练和推理过程。
（2）Web端深度学习模型的训练与推理：将前端搭建的可视化深度学习模型图、训练和推理操作转译为对应的js代码，利用tensorflow.js框架作为计算后端，以支持深度学习模型在web端的训练和推理，同时利用WebGL技术加速深度学习模型的训练与推理过程。