深度学习 Waterflow

深度学习训练任务流程

深度学习

 1 数据集的准备

           划分数据集

 2 数据预处理

• 清洗 去除异常值
• resize
• 数据增强
• 数据可视化
• 划分数据集(训练，测试集)

 3 模型

• cnn的选择和结构规划
  • 使用全连接
  • 1x1 卷积
• 使用迁移学习(预训练模型)
  • fine-tune 微调
• 设定trainable
• 融合模型
• 激活函数选择
• dropout 率选择

4 损失函数和优化方法

• 定义损失函数

• 优化方法

  1. gd
  2. sgd
  3. rmsprop
  4. adam
  5. 反向传播

• 分类和回归器的选择

• 使用正则化防止过拟合

5 训练

• 学习率设置

6 模型的评估

7 保存和加载模型

• 输出到csv
• hdf5格式