12.31 data mining 大作業：

使用TensorFlow框架，python離線訓練模型、TF serving部署模型。

Task

1. 訓練模型：
   1. 構建資料的輸入流水線：資料的處理，原始資料——>網路的輸入，可以使用tf.data API實現
   2. 構建、訓練和儲存模型: 使用tf.keras 實現
2. 部署模型：
   1. TF serving:可以使用Docker部署，比較方便，我有一個雲伺服器，不過效能比較差，但應該可以用。
   2. 前端：我看到有可以直接使用的模板，類似直接呼叫伺服器介面的前端。如果時間充足可以嘗試美化一下。

Division of labor

我覺得這個流程是不太適合並行的分工，因為後一步會依賴前一步的結果。所以可能大家一起做是一個比較好的選擇。

Time

整體

我個人感覺模型的訓練是佔用時間比較多的部分，然後15和19號會有考試，計劃到30號完成任務的話：

1. 1號到21號是模型訓練+考試複習和其他課程
2. 22號到30號是模型的部署，這個時間課程應該比較少了，如果訓練模型動作快的話，也可以提前開始

區域性

學習部分：大家分開學習，然後集中討論
開發部分：使用gitee作為程式碼倉庫
交流：每週可以選一個或者幾個時間討論一下

gitee邀請連結:https://gitee.com/kirby0/figure-skating-action-recognition/invite_link?invite=171b45366353ad41761e37910dc4b5e29bfeaf1d583a6601e511b1509403e86e1a516131f378565122e471904d1252fa