一.创建数据集

首先你需要一个csv标记的数据集

然后我们使用neural_network_console将数据集进行处理
dataset->create dataset->image

用户可以通过该界面选择源目录（Source Dir），输出目录（Output Dir），并设定一些其他选项来生成适合机器学习模型使用的数据集。具体来说，用户可以选择不同的塑造模式（Shaping Mode）：•Trimming：裁剪图像，使其大小符合指定的宽度和高度。•Padding：填充图像，使图像的大小达到指定的宽度和高度。•Resize：调整图像的大小至指定的宽度和高度。用户还可以选择输出图像的颜色通道数（Output Color Ch），默认为单色（Monochrome）。用户还可以设置输出图像的宽度和高度（Output Width/Height），这里被设置为28像素。用户还可以勾选“Shuffle the order of the data”来打乱数据集的顺序，这样可以避免模型过早收敛。

二.训练模型

这是一个基本的分类模型
模型结构由输入层（Input）、图像增强层（ImageAugmentation）、随机偏移层（RandomShift）、卷积层（Convolution）、最大池化层（MaxPooling）、tanh激活层（Tanh）、仿射层（Affine）、Sigmoid激活层（Sigmoid）和二元交叉熵损失层（BinaryCrossEntropy）组成。这个模型也可能是用于图像分类，但由于卷积层的存在，它更适合处理二维图像数据。

我们点击dataset来设置数据集点击url来导入数据集