Skip to main content

6.8.1 深度学习项目路线图：训练、检查、打包

本小章是第 6 章出口。深度学习项目不只是训练脚本，还需要数据证据、形状检查、loss 日志、预测样本、失败案例和 README。

先看项目闭环​

深度学习项目作品集路线图

深度学习项目训练复盘闭环

数据集 -> 模型 -> 训练日志 -> 评估 -> 失败案例 -> 打包

保留一份证据记录​

创建 dl_project_evidence_first_loop.py。

evidence = {
    "task": "image classification",
    "baseline_accuracy": 0.71,
    "current_accuracy": 0.82,
    "failure_case_count": 5,
    "next_step": "inspect confused classes and add augmentation",
}

print("task:", evidence["task"])
print("improvement:", round(evidence["current_accuracy"] - evidence["baseline_accuracy"], 3))
print("failure_case_count:", evidence["failure_case_count"])
print("next_step:", evidence["next_step"])

预期输出：

task: image classification
improvement: 0.11
failure_case_count: 5
next_step: inspect confused classes and add augmentation

这就是项目习惯：每次改进都要有 baseline、指标、失败证据和下一步。

按这个顺序学​

顺序阅读交付什么
16.8.2 图像分类数据集、CNN/迁移 baseline、预测样本
26.8.3 情感分析文本流程、训练日志、错误样本
36.8.4 生成实践生成样本和审查记录
46.8.5 DL 实操工作坊一份可复现 PyTorch 证据包

项目交付物标准​

至少为一个项目保留这些文件：README.md、运行命令、数据集说明、模型摘要、loss 曲线或日志、指标表、预测样本、失败案例、下一步计划。

通过标准​

另一个学习者能运行你的项目、查看训练证据、看到成功和失败样本，并理解你下一步会怎么改，就算通过。