什么是机器学习工作流？

在这里我们使用一个狗狗分类这个项目来模拟讲解这个流程。

我们分三个部分来看这个部分，

探索及处理数据

获取数据：在项目中，数据是我们已经准备好了，包括标注。
清洗和探索数据：狗狗分类项目中，我们是使用 CNN 来进行特征的筛选，但是如何设置CNN的超参数，我们需要经过一定的清洗（清除错误的标签和异常值）、可视化和探索；
准备及变形：为了让图像能够输入神经网络处理，我们可能需要裁剪、重采样、甚至图像增强（就是翻转或者旋转），并进行标准化、拆分数据集变成训练集、测试集和验证集；

建模

训练模型：设置不同的初始参数及动量，进行模型参数的收敛及训练；
验证及评估模型：通过验证数据来进行交叉验证，获得具有鲁棒性的参数，并使用测试数据进行模型评估；

部署

生产部署模型：部署模型，使其可以通过网络访问；
更新模型：通过新的数据，训练并更新模型参数；