一、数据集的获取
  数据来源于各个比赛平台。首先是AIStudio中的数据集，大部分经典数据集例如百度AI Studio ,Kaggle、天池、讯飞等平台（通过关键词搜索获取需要的数据集），或者是Github。通常来说，数据集用于学术目的，有些数据需要申请才能获得链接。

二、数据预处理

中心化（去均值mean normalization）
将各个维度中心化到0，其目的是加快收敛速度，在某些激活函数上表现更好
归一化（除以标准差）
将各个维度的方差标准化处于[-1,1]之间，其目的是提高收敛效率，统一不同输入范围的数据对模型学习的影响，映射到激活函数有效梯度的值域3、图片数据准备data preparation（训练+测试阶段）
划分训练集，验证集和测试集

4、图片数据增强data augjmentation（训练阶段）
CV常见的数据增强
（1）随机旋转
（2）随机水平或者重直翻转
（3）缩放
（4）剪裁
（5）平移
（6）调整亮度、对比度、饱和度、色差等等

5、感知数据
初步了解数据，记录和特征的数量特征的名称，抽样了解记录中的数值特点描述性统计结果，与相关知识领域数据结合，特征融合

6、数据清理
转换数据类型，处理缺失数据，处理离群数据

7、特征变换
特征数值化，特征二值化，One-hot编码，特征离散化特征，规范化（区间变换、标准化、归一化）

8、特征选择
封装器法（循序特征选择，穷举特征选择，递归特征选择），过滤器法，嵌入法

9、特征抽取
监督学习特征抽取与无监督学习特征抽取

三、 数据处理方法
1. 图像的本质
  我们常见的图片其实分为两种，一种叫位图，另一种叫做矢量图。

位图的特点:

由像素点定义一放大会糊
文件体积较大
色彩表现丰富逼真
矢量图的特点:

放太不模糊
文件体积较小
表现力差

四、模型训练与评估：
1. 比对实验

在对数据进行一些变换时，数据的变化