深度学习(分类）神经网络搭建基本流程（by shany shang）

深度学习
Github：https://github.com/StarShang/Visual-inspection

以下是深度学习进行基本分类的流程

：

准备阶段：

使用labelimg 对图像样本进行标注并分类，最后生成 训练数据集，测试数据集和验证数据集

第一步： 初始化 深度学习环境

第二步： 导入

   训练数据集，训练数据集标签，测试数据集，测试数据标签，验证数据集，验证数据集标签

第三步: 执行图像数据预处理

（结合传统图像预处理算法）

第四步： 构建神经网络层模型

a、数据格式化
b、构建多层神经元：
1、卷积运算 得到特征
2、（Relu激活函数）
3、池化
4、密集连接
5、DropOut 根据概率随机去除一些 神经元，防止过拟合。
c、构建概率归一层 （输出层） （softmax）

第五步： 构建编译运行模型

a、构建损失函数： （最小梯度下降） 使模型朝好的方向发展
b、构建优化器函数: 模型根据他得到的结果和损失函数 对模型进行优化
c、构建评价方式： 用于监督训练和测试过程的准去程度 （准确率）

第六步： 构建训练模型

a、将训练数据提供给模型
b、模型学习如何将训练数据和标签关联
c、使用模型对测试集进行预测，并看是否预测准确，评估准确率
第七步： 对验证数据集中的目标图像执行预测