|
|
@@ -0,0 +1,100 @@
|
|
|
+day1
|
|
|
+配置了python环境
|
|
|
+安装了python解释器
|
|
|
+安装了一些python库
|
|
|
+成功运行了手写数字识别和人类特征点检测文件
|
|
|
+
|
|
|
+
|
|
|
+
|
|
|
+day2
|
|
|
+今天学会了如何使用git创建仓库和上传文件
|
|
|
+创建仓库需要找一个本地文件夹作为仓库，使用git init初始化
|
|
|
+使用git add 文件名 命令添加要上传的文件
|
|
|
+使用 git commit -m“” 命令来说明上传的文件的内容作为提交信息
|
|
|
+使用git remote add origin 仓库地址 命令 连接远程仓库
|
|
|
+使用 git push -u origin 分支名 命令推送到远程仓库
|
|
|
+然后在仓库设置中，添加协作者
|
|
|
+
|
|
|
+协作者上传文件
|
|
|
+需要先克隆仓库 git clone 仓库地址 本地目录路径
|
|
|
+使用git branch 分支名 建分支
|
|
|
+git checkout 分支名 进入分支
|
|
|
+git add 文件名 上传文件
|
|
|
+git commit —m"上传信息"
|
|
|
+ git push -u origin 分支名 推送到仓库
|
|
|
+
|
|
|
+本地安装调试好jupyter
|
|
|
+成功运行Jupyter_test.ipynb文件，并理解了numpy用法
|
|
|
+然后上传Jupyter_test.ipynb文件和本日收获文档到git服务器
|
|
|
+
|
|
|
+
|
|
|
+
|
|
|
+day3
|
|
|
+今天了解了numpy库的一些用法：
|
|
|
+学会了如何用numpy去处理图像；
|
|
|
+学会了用numpy去对矩阵进行运算；
|
|
|
+学会了numpy去比较运算；
|
|
|
+了解了图像的像素组成；
|
|
|
+了解了knn算法的一些内容；
|
|
|
+了解了knn算法如何对数据集进行训练；
|
|
|
+学会了用随机数种子确定随机数；
|
|
|
+学会了将一行数据转换为一个矩阵；
|
|
|
+
|
|
|
+day4
|
|
|
+今天学习了房价预测模型是的实验，学会了使用pandas包，
|
|
|
+学习了解了一些机器学习的一些步骤和方法，
|
|
|
+获取数据、创建训练集和测试集、从数据可视化中探索数据、将地理数据可视化、寻找特征相关性、试验不同特征的组合
|
|
|
+、数据清洗、处理文本和分类属性、自定义转换器、特征缩放、转换流水线、选择和训练模型、训练模型和评估训练集、
|
|
|
+使用交叉验证来更好的进行评估
|
|
|
+学习了关联矩阵处理预测数据，寻找特征相关性等内容。
|
|
|
+
|
|
|
+
|
|
|
+day5
|
|
|
+今天主要学习了关于ui的一些内容；
|
|
|
+学会了如何通过QTdesigner去进行ui的设计；
|
|
|
+学会了如何把.ui文件转换为.py文件
|
|
|
+了解了QTdesigner中的一些控件的属性和使用方法；
|
|
|
+学会了如何去设计一个简单登录系统的ui界面；
|
|
|
+学会了如何去调用ui界面。
|
|
|
+
|
|
|
+day6
|
|
|
+今天我们学习了神经网络，卷积神经网络以及深度学习的内容，
|
|
|
+了解了神经网络与卷积神经网络历史与原理
|
|
|
+明白了浅层模型与深层模型区别
|
|
|
+神经元：权重、偏置、激活函数、向前/反向传播、损失函数
|
|
|
+卷积神经网络：卷积层/卷积核、池化层、全链接层
|
|
|
+LeNet5 八层结构分析
|
|
|
+使用Pytorch下手写字符数据集的LeNet5实现案例，进行模型训练来预测数字。
|
|
|
+
|
|
|
+day7
|
|
|
+进行了项目设计与分工
|
|
|
+对猜拳判断项目结构进行了分析与搭建
|
|
|
+确定了各部分内容的负责人员
|
|
|
+在git仓库建立项目，并做了分支
|
|
|
+小组成员规划了自己负责的任务模块与实现逻辑设计
|
|
|
+
|
|
|
+day8
|
|
|
+对图像分割模块实现与项目整合
|
|
|
+实现了图像分割处理代码
|
|
|
+空白图像与mask层
|
|
|
+使用阈值处理函数cv2.threshold将灰度图像转换为二值图像与反转的二值化
|
|
|
+通过cv2.findContours函数查找二值图像中的轮廓，并将轮廓绘制到图像上
|
|
|
+通过map和list函数获取每个轮廓的面积，并找到最大面积的轮廓的索引
|
|
|
+使用cv2.drawContours函数绘制只包含最大轮廓的图像
|
|
|
+使用cv2.bitwise_or函数执行逐像素的或操作，将原始图像和cimg图像进行合并，生成最终的结果图像
|
|
|
+
|
|
|
+
|
|
|
+day9
|
|
|
+深度学习模型实现与项目整合
|
|
|
+对项目拆解为4大模块
|
|
|
+对数据集查找与数据加载
|
|
|
+通过LeNet5模型实现与预测模块的代码实现
|
|
|
+实现了图像分割模块与项目的融合
|
|
|
+实现了UI部分的设计与其他模块的融合
|
|
|
+
|
|
|
+
|
|
|
+day10
|
|
|
+
|
|
|
+对实训内容总结与知识梳理
|
|
|
+了解了我们专业就业的一些方向
|
|
|
+以及我们专业的就业的技术
|
