1、数据预处理。提高图像分类精度一个常用方法就是收集大量训练样本数据，数据越多，分类效果越好；没有较多数据来源时，可采用数据增强方法来增加样本，包括裁剪、旋转、镜像、色度调整以及饱和度调整等图像处理手段。该方法不仅可以扩展有效数据样本，还能帮助分类器学习处理现实生活中可能出现的畸变。
3、网络瓢遥费涓调参。网络参数的设置直接影响着网络模型的分类精度，需要调节的参数有好多，比如：batch_size、learning rate、隐层units数、网络层数、L1／L2正则项参数等等，这些参数都需要根据训练过程进行调节；另外选择好的优化算法可以使模型产生好的效果，包括反向传播优化算法、学习率衰减等等。
