欢迎关注本专栏《TensorFlow & AI 学习专栏》

• 《2019年给你自己训练个人工智能吧》

• 《自制人工智能TensorFlow之01环境安装》

• 《自制人工智能TensorFlow之02三个关键步骤》

三个关键步骤

在上一节 《自制人工智能TensorFlow之01环境安装》中我们已经成功安装TensorFlow环境，下面我们将从0开始训练一个分类器。我们第一个分类任务就从手写识别开始吧。在AI领域有个著名的数据集MNIST，本文将使用notMNIST数据集，这个数据集还英语表前10个字母。

下面是机器学习分类器三个关键部分：

• 训练pipeline
• 神经网络建立和训练输出
• 用例pipeline

训练pipeline 包含获取数据、清洗数据、数据均匀化和转化为神经网络可以接受的格式。通常我们在训练部分要花费大概80%至85%的时间。一般来说, 训练数据越逼真, 在训练管道上花费的时间就越多。在实际环境中, 训练pipline管可能是一项持续不断的工作。随着数据集越来越大, 情况尤其如此。

神经网络建立和训练阶段，解决的问题不同花费的时间就不同。例如常规的问题通常训练时间比较短，而非常规问题通常训练难度就比较大。神经网络训练需要耗费大量的计算资源。