【tensorflow2.0】43.tensorflow 的建模流程

    其实到目前为止，我们已经将tf的基础知识学的差不多了，所以后边除了课程会发一些总结类的文章，今天先说一下tf的建模流程。
使用TensorFlow实现神经网络模型的一般流程包括：

1，准备数据：其实这一点一直以来是我认为最难的一点，我们除了要建立数据通道输入数据以外，还需要，对数据进行清洗，排除掉错误的数据，数据量少的时候，我们还要进行数据增强，并不是每一个数据集都像mnist一样，我们可以直接几行代码就建立训练集和测试集，大多数的数据集还是需要我们自行去读取和整理，所以numpy，pandas，matplotlib这三个数据分析库一定要掌握。

2，定义模型：这个应该是我们最熟悉的一个环节，前边也有过详细的讲解，可以去看之前发的这个文字

3，训练模型：训练模型的时候注意分配好训练集和验证集，epoch可以先设置的少一点，根据模型收敛情况增加，否则太浪费时间，如果模型过拟合，要考虑正则化以及修改网络。

4，评估模型：这个要注意loss和评估指标的对应

5，使用模型：主要是用来预测

6，保存模型。：之前有过详细讲解