网络程序设计课程项目学习总结

学习心得

私以为项目驱动学习是最高效的学习方式，而网络程序设计正式这样的一门课程。本课程先从一个手写数字识别系统入手，在孟老师的指导下，依靠全班同学的努力一步步地添砖加瓦，最后形成了一个完整的软件系统。

《网络程序设计》这门课程让我学习到了许多，从Python语言到Flask框架，从透视算法到图像识别，从神经网络到机器学习，更重要的是，让我了解到了如何运用这些碎片化的知识形成一个完整的项目。与此同时，也让我了解到了实际中完成一个开源项目的流程。然而这门课程让我感触最深的莫过于团队精神的体现，课程项目由全班60余名同学相互协作、共同开发，充分模拟了实际的开发环境。大家在孟老师的引领下不断地为项目添砖加瓦，最终实现了整个项目的要求。项目整体进展十分顺利，没有出现代码冗余、错删错改等重大失误。这不仅要归功于同学们对整个项目添砖加瓦贡献出的自己的一份力量，也得益于孟老师对于整个项目过程的严格把控。

通过半学期的课程学习，我学到了许多东西，例如python基本语法，OCR基本原理，和一些常用的机器学习算法的原理等。虽然对这些知识了解得不深入，但好歹入门了，而万事开头难，入门之后就可以朝着自己感兴趣的方向前进了。

由于自己python和机器学习都是零基础，所以对项目没有什么贡献，但好在整个过程中自己也学到不少，也自己尝试写和修改过代码，例如把A1项目中的神经网络算法改成SVM，和用SVM完成了性别预测等，但由于自己是个编程小白，感觉自己写的代码封装得不好，羞于提交pr，以至于对项目零贡献，这是本次课程最大的遗憾。但是现在我明白了，应该要大胆地提交pr，即使被拒，也能知道自己哪方面做得不好，才能朝着更好的方向前进，提高自己的代码能力。

项目概况

• 项目托管地址

• • 本项目采用多人合作开发的形式，由孟老师作为项目经理使用GitCoding进行代码托管和版本控制
  • coding.net:血常规检验报告OCR

• 项目功能

该项目是基于机器学习神经网络的一个医学辅助诊断系统。通过对病人血常规化验单的图片的识别采集数据进行分析。利用通过大量真实数据训练出来的有一定可接受的准确率的模型对病人所提供的数据进行判断，通过对各项血常规数据的分析来实现对病人性别和年龄的预测。

• 运行环境
  • 安装numpy

sudo apt-get install python-numpy

• • 安装opencv

sudo apt-get install python-opencv

• • 安装pytesseract

sudo apt-get install tesseract-ocr
sudo pip install pytesseract<