深度学习正确落地生钱姿势是什么？步骤是什么？

准确的基本事实和具有统计意义的数据。在制造环境中验证深度学习解决方案 时，这些要素构成唯一可靠的基础。
典型项目阶段
深度学习项目通常包括四个项目阶段：规划、数据收集 及基本事实标记、优化以及工厂验收测试（FAT）。与 每个阶段相关的各种任务必须连续完成，而非按照迭代 步骤进行。
在规划阶段，一个协作团队共同负责了解当前流程，设 定检测目标，并确定深度学习解决方案是否可以实现这 些目标。
数据收集及基本事实标记代表第二阶段。在此期间，自 动化团队负责定义图像采集系统，采集图像及人工检测 结果，并为深度学习模型创建初始标记数据集。在使用 人工智能（AI）“教导”系统时，图像集的一致标记至 关重要，因此各团队应当密切关注这一步骤。在此阶段，我们可以创建概念验证原型。
在优化阶段，各团队需要识别基本事实差异，并将其协 调一致，同时根据需要添加额外的图像、修改参数以及 重新训练神经网络。项目团队应当不断将自己的检测结 果与工厂车间目前使用的检测系统（无论是基于规则的 视觉系统，还是人工检测）的检测结果进行比较。
最后，在工厂验收测试（FAT）期间，项目团队需要执行 统计测试和可重复性测试，并创建正式的验证测试，以 进行部署确认。在此阶段，还需要调试额外的生产线， 并执行持续的数据收集，以持续改进神经网络模型。
第1阶段：规划
深度学习技术充分结合了基于规则的视觉系统优势与人工检测提供的准确判断能力（通过人工智能 获取）。具体而言，深度学习软件能够改进现有的质量保证（QA）检查，使以前不可能完成的质 量保证任务实现自动化，减少报废进而控制成