【图像算法实习总结】

实习从4月初开始，每周实习三天，共历时近四个月。因为就职时有签订保密协议，就写一下关于实习期间知识上的收获吧

---

（1）给电脑装系统、搭环境

系统包括win7、win10、ubuntu16，环境主要包括VS、Python、Matlab、opencv、caffe、tensorflow等。我以前没装过系统，都是请人帮忙，结果被带我的大哥嘲讽了一下，工科专业的学生装系统都不会怕是有点说不过去。Ubuntu分区和搭载的时候需要注意一下、后面比较麻烦的是caffe，网上的很多博客不一定适合自己，需要考虑版本是否匹配，我自己的caffe是 cmake+vs14+caffe-windows（当时最新）装好的，有GPU的话，下载合适版本的cuda和cudnn。

（2）Matlab文件操作

将杂乱无章的图像数据按照数据库中的对应关系按类别分别存放，分好train和test集，生成相应的label.txt文件，作为下一步训练网络的输入。

（3）深度学习入门之caffe

如同一杯咖啡，喝的时候很苦，之后回味无穷。相比安装，caffe的使用不要太爽，有命令行接口、Matlab接口和Python接口三种。命令行接口最是无脑，严格来说都不需编写程序，写命令行脚本文件就可以让数据跑起来；Matlab接口和Python接口的使用差不多，相比命令行接口只能看到训练过程中的loss和accuracy，python接口可以查看CNN的网络结构，每一层的权重与偏置参数，还可以绘制loss与accuracy的曲线图。

之前只有图像处理和模式识别的基础，但是企业里做图像或者视觉的现在多用深度学习，于是一边实习，一边补人工神经网络、CNN的基础理论知识，在coursera上学习吴恩达大大的深度学习课程，结合caffe交叉理解。

（4）深度学习进阶之tensorflow

caffe用的很爽，但想搭建自己的CNN网络会比较麻烦、改变损失函数或者优化算法等还需要查改源码，我这种c++渣渣还是暂且打住吧，于是很不情愿的入了tensorflow，看了一些教材上的例子，知道大致流程，直到参考Alexnet写了自己的第一个小型cnn二分类网络才渐渐有了感觉。

---

其他大概还有一些如远程连接、共享盘、设置IP地址、捣鼓主机里面的线路这些计算机基础知识吧。