这节课老师主要讲授了四个方面的内容：数据的获取途径、数据的处理、数据预处理方法以及模型训练评估。

数据集的获取与处理

1.数据集来源

（1）公开数据集官网如Imagenet、coco

（2）专业人士的页面

（3）竞赛平台、kaggle、天池、Aistudio、讯飞等

Coco数据集举例

2. 数据处理

感知数据 数据清理 特征变换 特征选择 特征抽取

3. 数据预处理方法：

数据增强——应对深度学习模型复杂度太高与数据量太少时拟合的问题

图片（统一尺度与大小）  数值：中心化，归一化——优缺点：loss = w1x + w2y;

单一中心化会出现x值过小,y值过大，loss值的变化大  单归一化更新更平缓

纯数据的处理流程：

了解数据的特征——清除缺失数据——调整数据分布

4.模型训练与评估