深度学习的模型开发的五个步骤
·
一、数据处理
1、数据格式转换
2、划分训练数据集与测试数据集
3、数据归一化处理
二、模型设计
1、定义网络结构
也就是定义神经网络的各种层以及出现的次序,比如卷积层、池化层、全连接层
2、定义前向计算的函数
这个很关键,模型的好坏,完全取决于函数的精确性,不过一般都使用别人开发好的函数
3、定义损失函数
衡量模型的预测值与真实值的误差
三、模型训练
1、加载数据
2、设置迭代多少次和每次迭代一批计算多少条数据
3、前向计算
4、计算损失
5、反向传播
6、更新参数
7、清理中间数据
四、保存模型参数
1、保存训练后的参数结果
五、模型预测
1、加载模型参数
2、输出预测结果
更多推荐
所有评论(0)