准研一目标检测之路开始

前言：其实自己学习过一段时间机器学习、深度学习，用过PyTorch框架，做过图像分类项目，编程能力欠佳。现在感觉越学越迷糊，什么都是浅尝辄止，基础没打好就想实战，反而越学越不会。薄弱的数理基础（高数+线代+概率论），让我连吴恩达的机器学习课程看的也是云里雾里，抱住菜菜的自己。所以决定洗心革面，重新来过，脚踏实地的学习，加油！

Python语言学习

提到人工智能、数据科学几乎就一定会提到 Python，很多人工智能相关的课程实质上也都在大篇幅的讲 Python，有的初学者甚至认为人工智能和 Python 是划等号的，随着人工智能概念的火热几乎掀起了一股全民学 Python 的热潮，总结下来，主要是以下两点。

丰富的类库支持

Python 从面世以来逐渐发展出了一个大型、活跃的科学计算及数据分析社区，成为数据科学、机器学习和学术 / 工业界通用软件开发等领域的重要语言之一。尤其是 Python 对各种类库的支持更使得它成为数据分析任务的一个流行选择。例如，Numpy（Numerical Python）是 Python 数值计算的基石，它提供多种数据结构、算法以及大部分涉及数值计算所需的接口。Pandas 则提供了高级数据结构和函数，它将表格和关系型数据库（例如 SQL）的灵活数据操作能力与 Numpy 的数组计算相结合，提供丰富的基础函数，能有效简化清洗和预处理数据的工作。Matplotlib 是目前最流行的用于制图和二维数据可视化的 Python 库，可以帮助数据分析者直观的观察数据分布情况。Scikit-learn 更是一个专门用于机器学习的模块，诞生于 2010 年，目前已成为编程者首选的机器学习工具包。SKlearn 拥有全世界 1500 位代码贡献者，包含分类、回归、聚类、降维、模型选择等子模块。丰富的类库支持使得 Python 成为高效的数据科学编程语言，数据玩家可以像搭积木一样，灵活的操作数据，搭建自己的模型。

1.NumPy科学计算包

NumPy系统是Python的一种开源的数字扩展。这种工具可用来存储和处理矩阵，比Python自身的嵌套列表结构要高效。据说NumPy将Python相当于变成一种免费的更强大的MatLab系统

2.Scipy数值计算

Scipy库构建于NumPy之上，提供了一个用于在Python中进行科学计算的工具集，如数值计算的算法和一些功能函数，可以方便的处理数据.

3.Pandas数值分析

pandas是一个强大的分析结构化数据的工具集；它的使用基础是Numpy（提供高性能的矩阵运算）；用于数据挖掘和数据分析，同时也提供数据清洗功能。常见的数据结构有两种：Series、DateFrame

4.绘图工具

Matplotlib绘制图表的2D绘图库，是用来生成绘图,直方图,功率谱,条形图,错误图,散点图等,它以各种硬拷贝格式和跨平台的交互式环境生成出版质量级别的图形。

5.机器学习

SKlearn:专门用于机器学习的模块
PyTorch:是一个基于Python的库，用来提供一个具有灵活性的深度学习开发平台。PyTorch的工作流程非常接近Python的科学计算库——numpy

简单易用

极简主义是Python的特点，对于一门语言来说，简单是它最大的杀手锏，有句话说“Python 是世界上最不需要写注释的语言“。同时，开源免费也是一大优势。
简单易学、支持库丰富功能强大，这就为python语言奠定了江湖地位。许多大型网站就是用Python开发的，例如YouTube、Instagram，还有国内的豆瓣。很多大公司，包括Google、Yahoo等，甚至NASA（美国航空航天局）都大量地使用Python。

后记：保研结束之后，几乎进入一个自我放飞的阶段，虽然也在断断续续学习看书，但是那股劲好像消散了。毕设的题目是基于深度学习的图像分类问题，虽然也拿到了优秀的成绩，但是心里其实对于即将到来的研究生学习生活感到慌张（主要担心自己能力不行）。上一周大导师分配了研究方向，心里其实很开心，可以做比较感兴趣的事情，但是昨天下午的小组组会再一次让我慌张，同组几位男生能力真的很强，佩服自律的大佬，我知道自己的水平几斤几两，心中一边不安一边安慰自己 “我的职业规划就是去考公务员或者当老师，作为一个女生，我不想进入互联网公司。。。” 但是我知道这不能成为不努力的借口，所以从最基础的地方开始，慢慢来吧。
第一篇博客，想默默记录一下自己的学习过程，方便以后翻看复习。