从技术层面来看,深度学习系统设计的一般流程时什么?例如采集、存储、数据管理和计算。能否列举几个例子,从问题背景出发,如何一步一步出进行数据采集、学习、预测等?涉及哪些关键环节和主要思考点?
如果数据量较大,您说的采集、存储、数据管理和计算应该由大数据平台处理,基于大数据处理的结果,深度学习系统可以进行预处理、训练、形成模型、分类预测,如果数据量较小,深度学习系统需要直接在本机上实现数据采集等准备工作。比如图像识别,需要准备图片样本和类别标签,系统读取样本及其标签形成向量化的数据,调用深度学习算法如卷积神经网络进行训练,形成训练模型,然后再输入一张图片,通过训练模型给出图片预测结果。
有几点需要关注:
1、确定计算模型
模型的好坏直接决定了结果的好坏,确定模型的过程其实就是在确定影响因子,需要业务人员对业务非常熟悉,只有这些特征因子考虑全了,才能比较好的形成这些特征因子的向量数据。
2、保证数据质量高、数量多
模型的训练需要大量高质量的数据,不然再好的模型都无法达到好的效果
收起