深度学习项目实验总结

1.整体流程

2.熟悉数据

如吴恩达老师所说的，深度学习是二八定律：20%是模型设计，80%是数据。可见数据在整个算法设计中的重要性，在正式开始编码首先是熟悉数据。在以往做的几个项目中，我都会会费大量的时间和精力去熟悉了解项目是基于怎样的数据集做的。在观察数据集的过程中其实也是人的大脑在寻找提取特征，对数据中存在的问题和结构进行分类总结，这也是我最终模型结构的初级基础。在分析数据中具体如以下方面：

1. 数据量大小，确定是否需要额外的数据集或者数据增强操作；
2. 数据中各个类别是怎么分布的，是否存在数据不平问题，对数据类别不平衡问题制定解决方法；
3. 数据标签是否正确，存在多少噪音，是否需要数据清洗或者数据标注矫正处理；
4. 数据标注信息都有什么？例如 RGB，RGBD，灰度图像，点云等；

说说神经训练计算量过大，你怎么处理？

1.减少批次，减小内存消耗

2.在Tensorflow中，使用tfrecord读取数据

3.减少模型复杂度。如调整超参，减小卷积的个数，更换轻量模型

4.减少输入大小，减少计算量

5.为了减少训练时间，首先加载预训练权重，再训练