成員一：031702612 陳志超
成員二：031702338鄭學貴
pdf：傳送門
html演示:傳送門
墨刀老師的困擾：都說鐵打的營盤流水的兵。老師，總會經歷結識新生、相處多年的本科生和研究生畢業、又一批新生加入等年復一年周而復始的過程。這既是老師這個職業的悲哀，也許也是老師這個職業有活力的地方。作為老師，夜深人靜時，偶爾會想，幾年前畢業的某某學生，現在怎麼樣了啊；某某學生，在**工作啊，發展如何啊。但是又不好主動去問。不知道是不便打擾，還是老師太矜持，還是想想就夠了而答案不重要。也許默默地關注著學生的動態就夠了；不一定非得等到教師節，才收到學生在問候中也許包含的關於現狀的描述。
萌新學生的困擾：作為萌新學生，我不知道要選擇哪個老師作為我的畢設導師，或選擇哪個老師作為我的研究生導師。除了了解導師的個人主頁介紹、和老師郵件溝通以外，其實最有效、客觀、避免踩坑的方法是和老師現在帶的或之前帶的已經畢業的學姐學長交流一下，聽聽他們對於老師的評價、看法和對我的建議。這也許對我選擇老師會更有幫助呢。看看已畢業的學姐學長們的去向和現狀，我也能知道我加入實驗室後，我今後可能的發展前途和趨勢是什麼樣的。
在讀學生的困擾：學姐學長們都是誰啊，該怎麼聯絡啊。我要找工作了，應該如何準備公司面試或進一步深造啊，有沒有同門學姐學長可以給我內推的機會啊。我應該如何和他們聯絡呢。
已畢業學生的困擾：偶爾想念老師啦。主動敲老師的現狀，會很尷尬吧；老師也沒有特別有空吧。現在實驗室的學弟妹們都有誰啊，他們都在研究什麼課題，做什麼專案啊。我能不能提供工作招聘的內推機會給他們啊，這樣我也能順便得到內推獎金，兩全其美，何樂而不為。可是學弟妹是誰呢，有誰需要呢，如何聯絡呢。
n(need,需求)
1.老師：想知道曾經的學生的動態。
2.萌新學生：在選擇導師的時候，想要得到學長學姐的建議，了解各個老師和實驗室。
3.在讀學生：希望能得到同門學長學姐內推的機會，以及一些工作的建議。
4.已經畢業學生：能有機會幫助學弟學妹，提供內推機會，同時可以了解他們的現狀。
首先，註冊必須實名，通過教務系統認證，確保為本校同學或老師。
根據以上需求，我們經過分析，認為主要應該分成以下幾個功能。首先是社交功能，每個人可以分享自己的動態，老師可以知道已經畢業的學生的現狀，畢業的學長學姐也知道學弟學妹們的現狀，並且動態是隱私的，只有處於同乙個家族中的人才互相可見。也可以直接在平台上進行日常聯絡和問候。
第二個是內推的功能，當已經畢業的學長學姐們想要提供內推機會給學弟學妹，可以在上面發布內推資訊,提供給有需要的同學。
對於已經有導師的學生，可以直接看到當前家族中的所有學生和導師，預設只顯示當前在讀的學生以及直系導師。還可以查詢到導師的導師，以及他們的學生，看到他們在做的課題以及專案，可以進行聯絡，有助於更好的合作和交流。
b（benefit,好處)
c（competitors,競爭)
競品我方優勢
我方劣勢
d（delivery,推廣）功能分析
我們一起分析題目，然後經過大概乙個小時的討論，初步確定了我們需要設計的功能，以及各個模組。
原型設計
原型製作
我們使用墨刀進行進行協作，參考了部分模板，經過一周的工作，基本完成了原型的製作。
結對**
（大部分工作是在教室一起完成，但沒有第三個人幫忙拍照。
鄭學貴第一次設計原型，學會了墨刀的基本使用。同時也是第一次設計原型，深深體會到了審美的重要性，以及ui設計的困難。知道了軟工工程中除了coding以外還需要許多方面的能力。也在結對中體會到合作的重要性以及溝通的重要性，這次結對作業對我來說，帶來了許多收穫，不單單是一些技能，還改變了我許多錯誤的想法，真是收穫頗豐。
陳志超這次結對作業，我第一次完整的經歷了乙個軟體從需求分析，確定功能，再到設計原型並實現的過程，我也明白了事先做好規劃的重要性。同時我除了學習了用墨刀製作軟體原型的基本方法，也學到了他人的優秀品質。這次結對作業讓我收穫很多。
軟體工程第四次作業
部落格資訊 瀋陽航空航天大學計算機學院2020軟體工程作業 作業要求 課程目標 熟悉乙個 高質量 軟體的開發過程 作業目標 結對程式設計練習 一 題目 二 位址 三 執行結果 四 與隊友合作 工作記錄表 專案預計 實際設計時間 1h3h 編碼時間 3h5h 測試時間 30min 30min 行數 2...
軟體工程第四次作業
功能模組名稱 簡單的語法分析程式 審查人王澤鵬 審查日期 2017.4.4 名稱 黑白棋遊戲 作者 白璐檔案結構 重要性審查項 結論標頭檔案和定義檔案的名稱是否合理？合理標頭檔案和定義檔案的目錄結構是否合理？合理版權和版本宣告是否完整？不完整重要 標頭檔案是否使用了 ifndef define en...
軟體工程第四次作業
datasets 是 torchvision 中的乙個包，用來載入影象資料。並將整理成 224 times 224 times 3 的大小，進行歸一化處理。使用預訓練好的 vgg 模型 設定 required grad false，那麼，反向傳播訓練梯度時，前面層的權重就不會自動更新了，訓練時只更新...