改进和优化深度学习的方法

                                       如何改进和优化深度学习方法？

1. 学术上

 

2. 工程上

    在训练集训练，再和训练集一起划分的测试集上测试，效果很好，但是实际测试效果很差，需要从多方面进行分析，然后才能改进。

    从 数据集情况/数据预处理方式/网络结构/损失函数/后处理等方面进行分析。

首先，分析数据集应用场景是否接近；是否数据集数量太少，导致过拟合；

然后，分析训练集是否足够多，包含更多的情况（颜色、视角、图片分辨率、图片质量等），包含情况越多，泛化性一般越好些；

然后，逐一分析一些典型图片，对比原始图片，标签对应图片，预测类别对应的图片，从颜色/视角/光亮度等对三者进行分析；

         判断是否为数据集的问题，无论是与不是，都要进一步分析数据预处理方式，要怎么预处理增加一些“情况”，增加亮度等。

 

其次，分析网络结构问题（后续更新这一步骤）；

其次，分析后处理问题。