第三课学习笔记 深度学习模型训练和关键参数调优详解

一、模型选择：从任务类型出发，选择最适合的模型
1、回归任务
从使用Numpy推导，到使用深度学习框架，一步步走进最简单的回归任务：当人工智能邂逅蓝桥杯算法题，会擦除怎样的火花？（链接：https://aistudio.baidu.com/aistudio/projectdetail/1693536?channelType=0&channel=0）

（1）实现原理

a.从最简单的神经网路开始

b.神经网络工作原理概述

c.使用多个输入进行预测

d.只用一个输入做出多个输出

e.基于多个输入得到多个输出

f.用预测结果进一步预测

（2）拟合斐波那契数列

a.问题描述:输入格式、输出格式

b.生成数据:输入数据、数据对应的标签、将数组转换成张量

c.构建线性回归模型

d.构建优化器和损失函数

e.模型训练

f.模型验证

（3）大等于n的最小完全平方数

a.问题描述：输入格式、输出格式

b.生成数据

c.构建线性回归模型

d.构建优化器和损失函数

e.模型训练

f.模型验证

小结：先用传统方法人脑解题，写出能算出结果的函数，然后根据这一函数生成训练数据，最后训练出线性回归模型。使用简单的线性变换层组建网络，使用少量数据进行拟合，模型输出能近似预期结果，但还有一定的差距，有很大的提升的空间，感兴趣的开发者可以基于本项目，尝试使用更多的数据、更复杂的网络等。

人脸关键点检测：基