2021-10-07

标题我的双创项目：卷积神经网络加强图神经网络在高光谱（HSI）进行图像分类

一、前面已完成任务

1、看一篇论文写申请书
2、暑假学习python

二、2021.10.27距离结项2021.4.00

本次任务：
1、寻找此方向论文
2、阅读课本前两章
3、跑一个cNN代码
（全部过程都是在试错，前面的操作将会由以后时间的我验证是否掉坑）
现在开始学习机器学习，使用的课本上是《深度学习卷积神经网络从入门到精通》张婷著，需了解的知识由：数学：高等数学偏导，矩阵求导，线性代数中的矩阵运算
由用枚举法求最小值—>梯度下降法—>反向梯度下降法---->卷积神经网络的数学过程推导
现在已经掌握了卷积神经网络的基本概念：
1、卷积神经网络和神经网络的区别
神经网络由：输入层----隐含层----输出层 构成
卷积神经网络：输入层----（卷积层，池化层）—输出层 构成，区别：在与卷积给出了神经网络隐含层的一种具体构造方式通过卷积来实现，
2、卷积是什么（名字说起高大上，公式也是一眼看不懂，其实表达实现及其简单）
2.1因为输入层输入的是一个庞大的矩阵qp,eg:300300大小的输入.而输出一般是[x1,x2…xn],大小1n大小的向量，eg:前面的n是=2的,也就是说输出是12大小的，如何从如此庞大的输入数据获取出信息得到输入对应的输出呢，研究人员就通过卷积的方式逐步通过卷积和池化来获取更小的输出矩阵知道输出矩阵和输出层输出是一样的，但是这种方式凭什么是对的呢，理论依据是什么。
2.1.1神经网络逼近定律
2.1.2卷积就是通过数学公式1把输入矩阵变小
2.1.3池化也是通过数学公式2把输入矩阵变小
3、在理解目标函数的时候：出现了：平均误差最小，交叉熵最小，
又去搜索了熵的概念，又引出了信息量的概念
4、在基本的神经网络的数学推导理解完成后，开始思考如何编程，使用的语言是python,采用的软件是pycharm,和anaconde(这个可以帮助我管理我下载的外部库文件防止外部库文件互相排斥导致安装失败，而且它还可以和pycharm连用)
5、开始思考用那种深度学习框架，最开始在课本上了解的是：caffe,tensorflow等，因为课本接受的caffe安装过于复杂，安装安装着就放弃了，转而安装tensorflow,但是又不知道tensorflow的版本变迁，tensorflow1.0和tensorflow2.0发生很大变化，我直接下载最新版，同时也错了好多次，最后成功，但是搜索出来的代码又是tensorflow写的，当时还不知道发生巨大变化，跑代码的是就看着不断库文件报错，就依次上网搜索解决方法，后来好奇为啥错：才发现版本变化剧烈导致的，在搜索中有看到代码用pytorch编写，就好奇了搜了一下，发现了pytorch和tensorflow的世纪之争。开始考虑用那个深度学习框架了，就反复搜索她两对不，看到学术研究近些年研究pytorch用的多索性在anaconde建立一个它的虚拟环境。
7、后续任务：
复刻论文代码：1、完成CNN的构建，2、在完成GNN的构架，3、按照论文方式最后联合