计算能力的提高使得我们可以在可控的时间内处理对资源要求高的计算过程。同样重要的是计算能力的自由化，它使每个用户都能够掌握复杂的模型，而不必事先设置和维护高性能的基础设施。今天，我们借用计算能力—正好是我们所需要的，而且只在必要的时间内使用。与此同时，我们可以用来训练现代算法的数据量呈指数级增长。据估计，90%的数据是在过去两年产生的。从 2018 年开始，数据量超过了两泽字节（2 zettabytes）。这意味着在 2018 年之后，每年将产生超过两泽字节的数据。这种数据爆炸为数据需求量极大的算法（深如深度学习）的成功提供了助力。同样重要的是，像 Phyton 这样的开源平台已经为机器学习的使用进行了优化。自 2015 年以来，随着 Keras 和 TensorFlow 的引入，深度学习也以用户友好和免许可的方式集成到 Python 中。