一.創建數據集

首先你需要一個csv標記的數據集

然后我們使用neural_network_console將數據集進行處理
dataset->create dataset->image

用戶可以通過該界面選擇源目錄（Source Dir），輸出目錄（Output Dir），并設定一些其他選項來生成適合機器學習模型使用的數據集。具體來說，用戶可以選擇不同的塑造模式（Shaping Mode）：?Trimming：裁剪圖像，使其大小符合指定的寬度和高度。?Padding：填充圖像，使圖像的大小達到指定的寬度和高度。?Resize：調整圖像的大小至指定的寬度和高度。用戶還可以選擇輸出圖像的顏色通道數（Output Color Ch），默認為單色（Monochrome）。用戶還可以設置輸出圖像的寬度和高度（Output Width/Height），這里被設置為28像素。用戶還可以勾選“Shuffle the order of the data”來打亂數據集的順序，這樣可以避免模型過早收斂。

二.訓練模型

這是一個基本的分類模型
模型結構由輸入層（Input）、圖像增強層（ImageAugmentation）、隨機偏移層（RandomShift）、卷積層（Convolution）、最大池化層（MaxPooling）、tanh激活層（Tanh）、仿射層（Affine）、Sigmoid激活層（Sigmoid）和二元交叉熵損失層（BinaryCrossEntropy）組成。這個模型也可能是用于圖像分類，但由于卷積層的存在，它更適合處理二維圖像數據。

我們點擊dataset來設置數據集點擊url來導入數據集