毕业设计（基于TensorFlow的深度学习与研究）之总结概述篇

阅读本文大概需要 10 分钟。

前言

今天是2020.07.30，距离我答辩已经过去1个月时间，距离我完成论文初稿并在paperpass上查重已经过去4个月时间，经过这么长时间的思考、沉淀，我将在本文中主要涉及3个方面的内容，希望能够给即将进入大四或者其他任何感兴趣的小伙伴带来一丝丝灵感。

第一部分内容我会结合我的公号推文与我的毕业设计，并以推文所发内容为主，点明其简介与每期推文的亮点，帮助大家更好的了解我写论文时候的思路；

第二部分我将会重点回答一个问题，这个问题在大部分小伙伴拿到毕设题目之后都会随口问道：我该怎么写？

在最后一部分，我将会稍作总结并把我毕设所涉及的相关资料通过百度网盘共享的形式发布出来，供小伙伴下载查看。

毕设推文简介及亮点提示

01 - TensorFlow环境搭建

文章简介：本文详细介绍了在windows和Linux两种操作系统下TensorFlow开发环境的搭建。在windows下我们介绍了如何在Anaconda中安装TensorFlow，并且我们通过使用Jupyter Notebook跑了一段简单的测试代码来验证安装的成功与否；在Linux下，我们详细讲解了如何借助virtualenv在CentOS中安装TensorFlow。

本文亮点：本文通过使用我的个人服务器（IP地址：111.230.34.114）为小伙伴们详细的讲解了如何在远程服务器上部署TensorFlow的开发环境

02 - 毕业设计之文献翻译篇

文章简介：本文是我被微信官方灰度付费测试功能后发的第一篇付费文章，毫无疑问，效果很不好，文章中主要包括三部分内容：原版英文文献、中文翻译以及我对付费功能的一些理解。

本文亮点：毫无亮点。

03 - TensorFlow 2.0概述

文章简介：本文将介绍与我的毕设论文演示案例相关的TensorFlow的一些基础知识，包括张量、计算图、操作、数据类型和维度以及模型的保存，接着在第二部分，本文将介绍演示案例代码中用到的一些TensorFlow 2.0中的高阶API，代码中不会涉及像TensorFlow 1.x版本中的Session等一些较为复杂的东西，所有的代码都是基于高阶API中的tf.keras.models来构建的（具体模型构建使用Sequential按层顺序构建），可以大大的方便读者更好的理解代码。

需要注意的一点，本论文中所实现的两个案例均在本机CPU上进行运算，对于更大数量级的数据训练建议采用添加GPU的方法或者托管在Google cloud、AWS云平台上进行数据的处理。

本文亮点：将知识点与演示代码穿插进行讲解，并避免了TensorFlow官网中一些晦涩难懂的解释。

04 - 毕业设计之AlexNet详解篇

文章简介：本文中，我将会对我本科毕业设计的核心AlexNet卷积神经网络进行详细的讲解，我将会分成三个部分来进行阐述：

1. AlexNet论文讲解

2. 图解AlexNet（8层）结构

3. 五种花分类识别项目展示（部分代码展示）

本文亮点：通过图示讲解的方式对AlexNet网络结构进行了深层次的分析，并通过花卉识别的一个微缩版案例进行了更为完善的补充。

05 - 神经网络与深度学习概述（一）

文章简介：本文主要介绍了如下内容：神经元、简单神经网络、深度神经网络、激活函数、softmax算法、损失函数、梯度下降、反向传播。

本文亮点：通过形象生动、贴近生活的案例对神经网络与深度学习中较为复杂的概念做了通俗的解释。

06 - 神经网络与深度学习概述（二）

文章简介：本文主要介绍卷积神经网络的基础以及TensorFlow 2.0版本中的CNN，其中卷积神经网络基础部分包括如下内容：相关基础概念、局部感知野、参数共享、多卷积核、池化、多层卷积、池化层和卷积层的反向传播。

本文亮点：通过形象生动、贴近生活的案例对神经网络与深度学习中较为复杂的概念做了通俗的解释。

07 - 测试实验及结果分析（一）

文章简介：本文将介绍第一个案例：利用AlexNet完成MNIST手写字的训练和识别。（本文第一部分还通过图解的方式解释了AlexNet的8层结构，小伙伴们如果在前述系列文章中已经对其有了深刻的理解，此部分内容可以直接忽略，直接看第二部分演示案例即可）

本文亮点：talk is cheap，show you my code.

08 - 测试实验及结果分析（二）

文章简介：本文将介绍第二个案例：基于AlexNet完成五种花的训练和识别。

本文亮点：talk is cheap，show you my code.

09 - 毕业设计之番外篇

文章简介：本文将涉及两个问题：第一个是利用深度学习进行五种花的分类识别，第二个是利用深度学习识别滑动验证码的缺口位置。

本文亮点：本文借助华为云AI开发平台ModelArts进行数据标注、模型训练以及部署上线，值得注意的一点，完成本文所涉及的两个案例不需要任何代码的基础，只需要会鼠标拖拽即可。

10 - 毕业设计之完结篇

文章简介：本文对我的毕设系列推文在公号平台上的发布做了简单的规划安排。

本文亮点：文末讲解了一个使用fashion_mnist数据集完成的简单案例（其余内容毫无亮点）。

11 - 毕业设计之查重篇（非原创）

文章简介：本文是我从知乎、csdn、学术不端网、腾讯云 云+社区、阿里云社区等平台搜集到的关于论文查重的一些小技巧，我只是对其做了一个简单的整合。

本文亮点：感谢所有我借鉴过的文章，如有侵权，请联系我，立删！

如何瞎掰一篇论文

对于任何一个大四的学生，毕业前夕最为重要的事就是他们会花半个学期的时间做一件事：写论文。然而对于大部分的小伙伴来说（大学期间发过核心论文的小伙伴可以傲娇的不看这部分内容），写论文真的是头一遭，所以很多小伙伴都会产生一种空有一腔热血，想着我一定要好好开始写论文啦，但不知从何下手的冲动，在该小节中，我们就从宏观的角度说下写论文时候的思路，希望能够给各位2021届即将毕业的小伙伴们带来一丝丝帮助。

首先，我们来说下大致的流程，在大四上学期末（临近考研或学校的期末考试），各个学院会下发相关的毕设选题和对应的指导老师等信息，在这个时间段小伙伴一定切记：选择自己熟悉或有兴趣的题目+选择好相处、有能力的指导老师。

其次，在选完题目之后，一般会间隔一个寒假，小伙伴们千万不要把这段时间荒废掉，查阅文献、补充相关知识、看论文、整理论文大体的思路框架等这些工作就应该干起来啦。

最后，就是正式开学之后，指导老师会组织组内成员开一个见面会，并安排每周的任务，小伙伴们按照自己导师的要求去做就行了。

以上，我们说了大致的流程，接下来我们进入主题，到底如何写一篇论文呢？

我从四个方面来宏观的说一下：

「首先」，小伙伴们在大四学期末拿到自己的选题之后，希望各位在寒假期间根据自己的题目关键词、教务处对该题目的要求以及导师对这个题目的要求去查阅相关的资料，并与导师进行及时的沟通。

以我的毕设题目为例，其名称为基于TensorFlow的深度学习研究与实现，第一步，我们先找出题目的关键词（即为TensorFlow与深度学习）；第二步，我们通过查阅学校教务处网站找到对该毕设的要求，如下所示：

第三步，我们可以询问指导老师，并请求老师能否给出相应的指导思路。

「其次」，在我们完成了上述前期内容之后，我们要初步定下论文的大体框架，即目录，一般来说，本科论文大致分为5章内容，小伙伴们应当在完成前期内容的基础上，对自己论文中所要涉及的内容有比较清晰的划分，我在毕业设计（基于TensorFlow的深度学习与研究）之完结篇一文中贴出了我毕设的目录，小伙伴们可以进行查看。

「接下来」就是查文献的事，可能有的小伙伴会产生疑问：查阅文献不应该在拿到论文题目就开始吗？没错的，小伙伴说的没错，当拿到题目之后，我们确实应该去查阅文献，但是此时查阅的东西应该更多偏向于背景知识等内容，而并非到知网、万方等专业的平台去查阅大牛的论文去阅读，更何况，对于大多数才刚刚拿到毕设题目的小伙伴，读论文对他们来说可能会是一个身心俱疲的累活。

「最后」，在我们有了清晰的框架、读了大量优秀文献的基础上，我们就可以开始写论文啦，写论文的过程中，各个指导老师会告诉自己组内的学生有哪些禁忌、自己的要求、学院对论文的要求等，小伙伴们遵循老师的教诲就是了。

写在文末

至此，关于毕设系列的推文就全部告一段落，希望我的毕设系列专辑能够给小伙伴们带来帮助，最后我将我的毕设论文和英文文献的PDF链接放在下方，小伙伴们可以按需下载：

毕设论文下载链接：

https://pan.baidu.com/s/1ftGIkOI6EUcBXPo1-6v6zw

提取码：kjuu

英文文献下载链接：

https://pan.baidu.com/s/1jxCgO3r8h4eUDMZM6827sQ

提取码：0t6f

- End -

 往期推荐 

????

毕业设计之「测试实验及结果分析」（一）

毕业设计之「测试实验及结果分析」（二）

毕业设计之「神经网络与深度学习概述」 （一）

毕业设计之「神经网络与深度学习概述」（二）

TensorFlow 2.0 概述

本站文章搜索推荐

长按关注