启——一次还未知结果的转型

        阴差阳错拟进入程序的世界，接触之后，产生些许兴趣，很想把自己这个门外汉的学习过程记录下来，给自己一个交代，也给一些零基础想学习计算机视觉、深度学习、人工智能的人一点点算不上经验的经验，如果你想入门，可以参考，如果你已经是大佬，欢迎指点。

        想写博客很久了，只是一直没有付出行动。这一篇启，不算是一篇博客，倒像是一大堆的废话。陆续会总结分享学习的知识。

       先简单介绍一下自己。

       喵喵喵，研二，就读于一所勉强挤进全国前100的大学，本科机械设计制造及其自动化专业，硕士专业为计算机智能控制与机电工程，算起来也是个机械专业，介于学院发展情况，专业挂于计算机之下，一级学科名为计算机科学与技术。其实学习计算机视觉和深度学习最大的原因，也是因为导师，原本是精密加工方向的导师，转型自动化、人工智能，因此，我们实验室团队就在机械的名下学习人工智能。

       大致情况介绍完毕，接下来就是分享一下我的学习过程。起步的道路总是很曲折的，走过不少弯路或者行不通的路，但学到的知识总是属于自己的。（以下提到的所有参考资料、视频教程纯属自己觉得ok的，仅供参考）

        学习的语言是Python，这也是我学习计算机视觉的第一步，先是简单了解python的情况，学习Python语言参考的教材是《像科学家一样思考Python》，视频教程观看的是“莫烦Python”，另外一些资料记不清了，随意搜索的。

        由于本科毕设基于Raspberry Pi，所以也花了一定的时间学习这个，由于与后面的知识关联不大，不介绍。

         之后学习的是OpenCV，学习计算机视觉，图像处理用得较多的视觉库，这个的资料还挺多的，翻译了一本Opencv案例教程和Opencv学习教程，（虽然大部分都是仰仗google翻译，哈哈哈，我是个英语渣渣～），代码跟着案例敲打一遍，基本能了解Opencv

的功能，不再陌生。遇到图像的处理，可以想到方法去解决。

          对于Opencv我最推荐，也最收益匪浅的是pyimagesearch（百度一下就知道了，上面很多教程是免费的，当然也有些收费的），包括他后面三本《deep learning for computer vision》，强推。（不过这真的要感谢导师，购买了这三本教程，陆续也会有些心得和内容整理分享的）

        学习计算机视觉参考的是李飞飞教授的视频，cs231n课程，Convolutional Neural Networks for Visual Recognition,即面向视觉识别的卷积神经网络，视频搜索就有，课程作业可以参考寒小阳的博客（真心不错），当然也可以找我啦，毕竟我已经学习过了。

       这些算是计算机视觉的知识了，而在学习深度学习之前，看了很多视频和算法教材，总之就是十大算法，不管什么途经，都需要学习，最好能自己推导，想要视频推荐的请留言，哈哈哈哈。十大算法包括：聚类、knn、线性回归、决策树、EM、神经网络等。这时候要推荐一个sklearn，使用很方便。图像的运用有skimage，也是很不错的。

      深度学习的进展是从搭建神经网络开始，框架都有简单学习，主要是tensorflow，keras，pytorch。主要是跟着别人的网络修改自己的，学习框架最快的途经是运用到实际案例中，找了几个小比赛参加，主要是有数据集的提供，可以作为练手学习，还可以跟一起参赛的人讨论，最重要的是最后比赛方会提供前几名的源码，这是一个最快提升的过程。

       论文也是很重要的吧，下载了不少论文浏览和部分进行精读，想着某天把论文也整理一下。

      杂七杂八的一些教程资料就不介绍，对对对，还有两本重要的经典书，西瓜书（机器学习）和花书（深度学习），这两本圣经一样存在的书，我刷是刷过了，但是才疏学浅的我没能很懂。

       还有很多想说的，一时记不起来了，反正就是感觉自己了解了很多，但是掌握的并不多，还需努力呀。

       感谢能看到最后的你们。可是好像并没有什么福利，真是尴尬。

       最后，我的研究方向是基于深度学习的显微图像处理，希望志同道合的你们多来交流交流啦。