整個流程中，模型設計公司在設計模型的時候動機和方針非常重要。其間包含需求與問題的界說、建立問題的數學模型、確認數據與求解問題之間的關系、探索問題解的可能性、方針的可實現性與可評估性。

　　充沛的數據：模型設計公司首先要有充沛的模型設計數據，分為兩個層面。首先是數據特征，用于確認能否達到模型設計的方針，特征應當具有一定的“因果關系”，散布要有“導向性”。第二數據集應當盡可能多，DNN需求很多的數據，而且模型在小的數據集上簡單過擬合。主張假如條件答應可以測驗擴展原始的數據集合。

　　數據預處理：數據預處理對很多業內人員來說是個令人頭疼的問題，針對不同場景有不同的解決方案。簡單介紹幾種常見的方式。首先是去均值處理，即用原始數據減去全部數據的均值，把輸入數據各個維度的數據都中心化為0。去均值處理后，特征盡管明顯了，但是特征之間的彼此比較性尚未明確，因而要用到歸一化處理，把每個維度上的數據都除以這個維度上的數據的標準。另外還有一種適使用于圖像處理的方式PCA/Whiteing（白化），圖像中相鄰像素點之間的特征極為相似，無法輕易做到收斂。而PCA可以去除這些相鄰特征的相關性，達到快速收斂的目的。

　　數據的shuffle：每次epoch的時分都會有很多的batch，一般情況下這些batch都是相同的，但理想狀態是每次epoch都有不同的batch。因而假如條件答應就應該在每次epoch的時分shuffle（隨機化）一次，以獲取不同的batch。