构建神经网络——深度学习模型的基本步骤
不同场景的深度学习模型具备一定的通用性，均可以从下述五个步骤来完成模型的构建和训练。
- 数据处理：从本地文件或网络地址读取数据，并做预处理操作，如校验数据的正确性等。
- 模型设计：完成网络结构的设计（模型要素1），相当于模型的假设空间，即模型能够表达的关系集合。
- 训练配置：设定模型采用的寻解算法（模型要素2），即优化器，并指定计算资源。
- 训练过程：循环调用训练过程，每轮均包括前向计算 、损失函数（优化目标，模型要素3）和后向传播这三个步骤。
- 保存模型：将训练好的模型保存，以备预测时调用。
使用Python编写预测波士顿房价的模型，一样遵循这样的五个步骤。 正是由于这个建模和训练的过程存在通用性，即不同的模型仅仅在模型三要素上不同，而五个步骤中的其它部分保持一致，深度学习框架才有用武之地。