脑电情绪识别的学习过程

        本科是某985的计算机专业，大四做毕设的时候选到了情绪识别，没注意前面的脑电俩字，以为是写类似于人脸识别的东西。了解了之后才知道是，也是第一次接触脑电，当然深度学习的知识也没学过，信号处理方面的东西更没学过。

        总之就是一个脑电情绪识别方向的小白，啥也不会。

        老师大概也习惯了每年的学生啥都不懂（老师很尽职尽责），几乎就是每一步带着我们走的。前期就是多看看论文，综述类的那种论文，也不一定非要看英文的，看中文的文献综述就行。然后要注意学习深度学习，机器学习的知识。不过可能我比较菜，啥也没了解的情况下，看了很多综述性论文，什么特征提取方面的论文，看完就忘，啥也不记得。当时也有在准备复试，天天划水，也没咋好好看，后来毕设中期汇报的时候，导师提问的时候，已经四月份了，发现我们还是啥也不会。

         当时看的各种综述类的论文就不分享了，网上很容易找到，懒得找的也可以私聊我。

         当时老师给的任务就是一人找一份完整代码，把每一行写好注释，每一个函数的参数、返回结果、功能啥的都写上，把完整思路顺清了，给他讲一遍。当前因为啥也不会，真的一行一行百度，每一行都写好了注释。看完之后，其实还是比较稀里糊涂的，很多矩阵的维度变换都不太理解。

         也就是先看完的代码，然后开始配环境，配环境肯定也是pycharm加上anaconda。怎么配这个环境网上很多教程。我用的pytorch框架，配pytorch的时候，注意cuda版本，python版本，然后再配好pyg版本。配环境大概用了两天，能运行了，发现自己电脑跑不动，又去找导师要的服务器，重新配环境，重新跑。然后就要开始调参之类的，因为很多矩阵维度变换，或者其他步骤都不是很懂，就在每一步都都写上了print和shape，大概这样整了整整一天，总算把代码理解了。

        理解完一份代码就好多了，之后再看别的代码也轻松多了，对特征提取，模型部分也都熟悉多了，之后也不用再运行别的代码了，就是找代码，找论文，找论文的源码，直接看代码，看有没有可以学习的地方。

        然后开始自己写代码，自己写的时候，为了方便讲解，也是每一行都写满了注释，每一个变换下面都写满了print和shape。（感觉这份毕设很适合新手入门，如果能理解好思路，基本上就入门了）

详情可以看：(DEAP)基于图卷积神经网络的脑电情绪识别(附代码)https://blog.csdn.net/qq_45874683/article/details/118972012?spm=1001.2014.3001.5502

        图卷积的后面修改了很多，也就是自己最终的毕设了。

        通过这段时间（也就一个月的学习），学了很多脑电的知识，想着把脑电知识完善好，就一直慢慢的接着做了，各个模型，各种特征，各种数据处理方式，都去尝试了尝试。有兴趣的可以看我主页，里面包含了很多脑电的介绍。

        总之，像我一样的小白学脑电的话，就是看论文、看代码、好好的吃透一份代码，之后就会容易很多。

        学习过程中。例如脑电情绪识别：