如何开始一个新的深度学习项目

入行几年,做过不少视觉项目,分类、检测、分割、关键点定位,传说中的三大浪漫全都齐全了。从起初的摸索到慢慢总结出系统的流程,也算是所谓的在实践中学习吧。
通常来说,一个深度学习项目从立项到落地需要经历以下步骤。

需求分析和验收指标制定

需求分析

  • 用于服务器端还是移动端
  • 对准确度和延迟的要求如何
  • 模型大小有无限制
  • 内存峰值

验收指标制定

客观指标

  • 模型精度,比如分类的准确度、检测的mAP、分割的IoU、关键点的MSE等
  • 模型大小
  • 速度
  • 内存峰值

主观指标

  • 比如关键点的稳定性
  • 分割的可接受度和GAN的生成图片质量
    主观指标一般通过多人全部或随机打分来实现。通常可以采用5分制。3分为可用,4分为较好,5分为优秀。

技术选型

  • 调研主流算法
  • 评估开源代码是否可用
    • 可用
    • 可改进
    • 不可用:评估自己从头实现的难度

数据准备

  • 公开数据集
  • 自己标注
  • 数据清洗

代码编写和模型训

  • 代码编写:可视化,确保代码的正确性
  • 训练加速:数据预加载、GPU预处理
  • 开始炼丹,迭代优化:超参数设置、数据增广、损失函数

模型部署

  • 服务器端
  • 移动端

你可能感兴趣的:(如何开始一个新的深度学习项目)