畢業設計對於每個學生而言都是一種十分痛苦的渡劫儀式，尤其是當你拿到的是完全陌生的畢業設計的時候，內心無疑有各種王尼瑪從心中飄過。我在這裡聊聊我在完成畢設的過程中得到的一些經驗教訓。因為我的畢業設計主題是卷積神經網路，所以在這裡我的話題也僅僅侷限於卷積神經網路這方面的內容。
軟體環境。如果你接受我前文的建議使用第三方的話，你將會遇到一系列的麻煩（雖然這比從0開始好得多得多）。我姑且列舉幾點：
這些問題要回答起來其實很簡單：網路上用的人多、教程多、安裝操作簡單就可以了。如果有學長學姐幫你搭好了，不要猶豫，就用他們的，因為搭建環境可能會出現各種各樣的蜜汁問題，記得那時候環境的問題前後總共耗費了我兩個月左右的時間（想想內心都是崩潰的0 0）。我當時選擇的是使用caffe在ubuntu下進行操作，用ubuntu是因為ubuntu裡依賴項的修改相對win比較容易，網路教程也是ubuntu的居多，用caffe是因為他支援matlab這個我正好掌握的語言（雖然python才是現在機器學習的流行語言，可是我恰好不會(⊙﹏⊙)b）。
要學會一門語言，我們要先學會hello world；要學會深度學習的工具，要先學會怎麼把樣例執行成功。在網上或者第三方工具裡都會有許許多多的樣例。試著把他們其中之一執行成功。過程中你可能會看到各種各樣的報錯，這可能是你檔案路徑的問題，也可能是你之前環境搭建的問題。
當你學會使用樣例的時候並不代表你真的掌握了這個工具，這個時候你應該會很好奇裡面的資料是怎麼讀取的，裡面的神經網路是怎麼定義的，好了，現在是時候把你的資料都放進去了訓練了，而這時候，這個樣例就成為了你未來畢設程式的框架。而放進去的時候你要面對的問題大概如下：
按理說，應該還有乙個「網路改進篇」的，因為用樣例的神經網路可能對我們的資料可能識別率較低，這個時候我個人推薦的解決方案是要麼換個資料（還記得前文我那倒霉的30%識別率麼，我就是急中生智換了乙個更多資料量的資料才得以解決）或者根據識別率的走向趨勢，如果是欠擬合的情況下可以增加訓練世代（iteration）來提公升網路泛化能力。當然你或許想搭建乙個自己的網路結構來進行改善，但是如何構建網路層次這個問題其實還是個國際性難題，作為才看了「速成」教程的我們，恐怕只有依賴「玄學」才會提公升識別率了。
祝各位道友渡劫成功！
卷積神經網路 有趣的卷積神經網路
一 前言 最近一直在研究深度學習，聯想起之前所學，感嘆數學是一門樸素而神奇的科學。f g m1 m2 r 萬有引力描述了宇宙星河運轉的規律，e mc 描述了恆星發光的奧秘，v h d哈勃定律描述了宇宙膨脹的奧秘，自然界的大部分現象和規律都可以用數學函式來描述，也就是可以求得乙個函式。神經網路 簡單又...
神經網路 卷積神經網路
這篇卷積神經網路是前面介紹的多層神經網路的進一步深入，它將深度學習的思想引入到了神經網路當中，通過卷積運算來由淺入深的提取影象的不同層次的特徵，而利用神經網路的訓練過程讓整個網路自動調節卷積核的引數，從而無監督的產生了最適合的分類特徵。這個概括可能有點抽象，我盡量在下面描述細緻一些，但如果要更深入了...
神經網路 卷積神經網路
1.卷積神經網路概覽 來自吳恩達課上一張，通過對應位置相乘求和，我們從左邊矩陣得到了右邊矩陣，邊緣是白色寬條，當畫素大一些時候，邊緣就會變細。觀察卷積核，左邊一列權重高，右邊一列權重低。輸入，左邊的部分明亮，右邊的部分灰暗。這個學到的邊緣是權重大的寬條 都是30 表示是由亮向暗過渡，下面這個圖左邊暗...