很早就聽說過人工智慧，模式識別這些概念，但是一直覺得深不可測，讀研後，最開始導師只交代了下課題方向做樹葉的識別。
當時覺得自己有android的功底，程式設計上應該沒有什麼問題。開始也不是很清楚工程和研究的區別。工程上用好ssh，再了解點原理，可能就不錯了。可是隨著慢慢了解影象識別才發現和之前做的事情有一些不同。
之前做android時，發現不同語言之間（這樣形容不是太合適）很多模組功能都一樣。比如anroid裡的fragment和html裡的iframe，換湯不換藥。
但是做課題方向時不一樣了。開始真的一點都不懂，準備著手看時，了解了一些概念。第乙個概念是特徵提取。。
後來知道了什麼顏色特徵，紋理特徵，sift特徵，不動點特徵，知道了什麼是魯棒性，旋轉不變性，位移不變，什麼是高斯模糊，卷積。。
那會想，不就是提取很多特徵，然後算歐氏距離判斷分類...直到後來接觸傳說中機器學習十大演算法。才知道分類也不是這麼easy的想法。
後來又接觸了乙個概念pca（主成份分析），決定補一下矩陣課本...
瀏覽了五六本數字影象處理的書，發現內容也都差不多，學了個新的概念叫小波變換...lz就是走到哪學到哪，感覺哪都不懂啊。
還看了一陣opencv來進行特徵提取。
看了八集積極史丹福大學安德魯.ng的公開課就看不太懂，發現自己是個數學渣（其實也不能全怪我=。=，上大學老師也從沒講過數學這東西能幹啥。老師：「怪我咯？」）
到這又有新概念了——機器學習，深度學習，卷積神經網路，深度信念網路...開始還是很搞不清是什麼意思，後來縷清了，深度信念網路和卷積神經網路是深度學習的演算法，深度學習是機器學習的一種。好像畫張圖比較能說明。。
然後最近一直在看卷積神經網路的**，這東西搞影象識別可以。好多概念還是不懂，邊做變學吧。
使用卷積神經網路框架caffe做實驗。又開始倒騰這個東西，筆記本顯示卡是gt540（2023年買的老古董了，只不過換了一塊ssd重獲新生），現在的cuda都不支援了，熬到大年初六就趕緊回學校實驗室配置caffe，在windows上弄的，今天跑了跑能跑起來。又買了塊ssd裝乙個linux，將來就在這上面做實驗了。。
接下來先要弄明白caffe的目錄結構，工作原理。把example裡的mnist搞明白。
已經走了很多彎路了，如果您有好的指導，教我教我教我……
初次接觸perl
今天貝在煩乙個程式，也為難他了，剛學perl不到兩天，就讓他寫程式完成功能，雖然現在他有很大的提高，但是也還是心裡沒底啊。第一次布置的任務，他說如果不完成還是挺不好的，呵呵，沒辦法，我就樂於助人，趕緊看了看perl的大概語法，變數迴圈等，然後找了相關的網頁看了看，還好，因為比較熟悉c語言，而且上過s...
初次接觸powershell
在linux下接觸shell後，發現shell的功能是如此的強大！window呢？同樣，學習了 nix的做法，實現了shell，稱為powershell，在我看來，這個名字取得不過份，它通過。net與shell的結合，提供了強大的平台操作功能，提供了與 nix的相同的命令的語法，令 nix的程式設計...
初次接觸VBS
隨便找了段vbs程式，分析語句on error resume next 使程式按照產生錯誤的語句之後的語句繼續執行，具體見 dim sourcepath dim numb dim應該是定義變數吧，猜得set初始化變數 sub filew 寫檔案 dim fso,myfile set fso crea...