構建神經網絡——深度學習模型的基本步驟
不同場景的深度學習模型具備一定的通用性，均可以從下述五個步驟來完成模型的構建和訓練。
- 數據處理：從本地文件或網絡地址讀取數據，並做預處理操作，如校驗數據的正確性等。
- 模型設計：完成網絡結構的設計（模型要素1），相當於模型的假設空間，即模型能夠表達的關係集合。
- 訓練配置：設定模型採用的尋解算法（模型要素2），即優化器，並指定計算資源。
- 訓練過程：循環調用訓練過程，每輪均包括前向計算 、損失函數（優化目標，模型要素3）和後向傳播這三個步驟。
- 保存模型：將訓練好的模型保存，以備預測時調用。
使用Python編寫預測波士頓房價的模型，一樣遵循這樣的五個步驟。 正是由於這個建模和訓練的過程存在通用性，即不同的模型僅僅在模型三要素上不同，而五個步驟中的其它部分保持一致，深度學習框架纔有用武之地。