机器学习生命周期
遵循机器学习生命周期来生成鞋类分类模型。 ML生命周期不同于传统的软件开发生命周期，它包含六个具体步骤：
- 获取数据
- 清理并准备数据
- 产生模型
- 评估模型
- 部署模型
- 从模型获得预测（或推论）
生命周期的最终结果是一个机器学习模型，可以查询该模型并返回答案（或预测）。
模型只是数据中趋势和模式的数学表示。 好的数据是所有机器学习项目的基础。
在步骤1中，获取数据。 在第2步中，将数据清理，转换并以机器可以学习的格式放置。 清理和转换过程通常是机器学习生命周期中最耗时的部分。 DJL通过提供使用翻译器预处理图像的功能，使开发人员可以简化此过程。 翻译人员可以执行诸如根据预期参数调整图像大小或将图像从彩色转换为灰度的任务。
过渡到机器学习的开发人员通常会低估清理和转换数据所需的时间，因此翻译员是快速启动该过程的好方法。 在训练过程的第3步中，机器学习算法对数据进行多次遍历（或历时），然后对它们进行研究，以尝试学习不同类型的鞋类。 发现的与鞋类有关的趋势和样式存储在模型中。 当评估模型以确定模型在识别鞋类方面的能力时，第4步是训练的一部分。 如果发现错误，则将其纠正。 在步骤5中，将模型部署到生产环境。 模型投入生产后，第6步允许模型被其他系统使用。
数据
鞋类分类模型是一种多类分类计算机视觉（CV）模型，使用监督学习进行训练，该模型将鞋类分为四个类别标签之一：靴子，凉鞋，鞋子或拖鞋。 监督学习必须包括已经用您要预测的目标（或答案）标记的数