深度学习pipeline和baseline是什么意思
深度学习pipeline和baseline是什么意思？1.pipeline最近在看深度学习论文，和技术文章，Pipeline是很常见的单词，但理解一直很模糊，查询了资料，做一些笔记。
pipeline，中文意为管线，意义等同于流水线。
一个生动的形容
Pipeline，你土味一点你把它翻译成一条龙服务
专业一点，叫它综合解决方案，就行。
例子1，最典型的就是Gpu渲染管线，它指渲染一个画面需要经过多少到工序。
例子2，爬虫框架里面。它就是指某个项目或者框架里面需要用到流水线的设计来简化设计，降低复杂度并提高性能。是一种设计方法，是我们将现实中的社会分工借鉴并运用到计算机编程的例子。
例子3，算法或者大数据分析里的指可重复使用，针对新的数据，直接输入数据，可以得到结果的过程。
例子4，回到深度学习模型框架的Pipeline，和前面三个例子类似，现在的深度学习模型也由很多组件步骤链接起来的。
一个基础的深度学习的Pipeline主要包含了下述5个步骤：
-数据读取-数据预处理-创建模型（具体到模型也有相应的Pipeline,比如模型的具体构成部分：比如GCN+Attention+MLP的混合模型）-评估模型结果-模型调参上5个步骤可以抽象为一个包括多个步骤的流水线式工作，从数据收集开始至输出我们需要的最终结果。
总之，深度学习的Pipeline就是模型实现的步骤。深度学习现在的Pipeline一般都比较强调模型的组件构成流程。
2.baselinebaseline意思是基线，这个概念是作为算法提升的参照物而存在的，相当于一个基础模型，可以以此为基准来比较对模型的改进是否有效。
通常在一些竞赛或项目中，baseline就是指能够顺利完成数据预处理、基础的特征工程、模型建立以及结果输出与评价，然后通过深入进行数据处理、特征提取、模型调参与模型提升或融合，使得baseline可以得到改进。
所以这个没有明确的指代，改进后的模型也可以作为后续模型的baseline。
参考：https://www.cnblogs.com/wqbin/p/11611469.html
https://www.zhihu.com/question/267436664
人工智能(AI)之模型训练是什么
在机器学习中，经常听到一个词：“模型训练”，不禁疑惑：模型是什么东西？怎么样训练的？训练后得到的结果是什么？
下面用图简单描述个人理解：
在人工智能中，面对大量用户输入的数据/素材，如果要在杂乱无章的内容准确、容易地识别，输出我们期待输出的图像/语音，并不是那么容易的。因此算法就显得尤为重要了。算法就是我们所说的模型。
当然，算法的内容，除了核心识别引擎，也包括各种配置参数，例如：语音智能识别的比特率、采样率、音色、音调、音高、音频、抑扬顿挫、方言、噪音等乱七八糟的参数。成熟的识别引擎，核心内容一般不会经常变化的，为实现”识别成功“这一目标，我们只能对配置参数去做调整。对于不同的输入，我们会配置不同参数值，最后在结果统计取一个各方比较均衡、识别率较高的一组参数值，这组参数值，就是我们训练后得到的结果，这就是训练的过程，也叫模型训练。
所以：
模型=算法
训练=为达成高识别率的目标，使用大数据，找出最优配置参数的过程
结果=确定参数配置，实现高识别率