# tensorflow_train_proj_prepare_steps_document

**Repository Path**: SwetShen/tensorflow_train_proj_prepare_steps_document

## Basic Information

- **Project Name**: tensorflow_train_proj_prepare_steps_document
- **Description**: tensorflow实训项目准备流程总结，以及备课的大致时间
- **Primary Language**: Unknown
- **License**: Apache-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2024-02-27
- **Last Updated**: 2024-03-04

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

## tensorflow实训项目备课计划

备课计划大纲：

### 01-知识体系预构建

+ 建立预备知识体系（了解神经网络和深度学习、查看车牌识别项目内容）

+ 根据视频建立卷积神经网络（address：[Eve的科学频道视频专辑-Eve的科学频道视频合集-哔哩哔哩视频 (bilibili.com)](https://space.bilibili.com/180599937/channel/series)）

> 以上过程可以不分先后顺序，要逐渐去了解项目中“这是什么”、“有什么用”、“怎么这样设计”..... 人工智能的项目本质上比软件设计内容要简单，就是计算加上编程

<font color="red">花费时长：2~3天</font>

<font color="red">目标：从逆向了解技术特点，目的不在多少，在于你要有所了解</font>

参考实训项目源码即可

---

### 02-着手从基础学习

+ python语法基础（0.5天 实际上不需要）

+ numpy基础 （0.5天  按照实训项目结构来讲，不需要掌握太多内容）

+ matplotlib 基础 （1天，虽然跟echarts一样可以仿照官网example 但不建议学习官网写法，主要是代码太难，感兴趣可以去了解scatter 、plot_surface 两个API ）

> 理论上我们掌握前面的三个内容后，1、可以构建各种函数方程，并且将他们以各种方式绘制出来 2、建议去自己绘制<font color="yellow"> y = wx + b 或者  y = ax^2 + bx + c </font>等等不同的函数图加深印象 3、灵活使用动态图表功能（原因： 后续内容需要动态展示变化过程，我个人觉得这也是咱就业课程的核心精品内容体现。）

<font color="red">花费时长：2~3天</font>

<font color="red">目标：了解函数构建、绘制图表、绘制多维图表、绘制动态图表</font>

可以去官网API了解

[NumPy](https://www.numpy.org.cn/)

[Our Documentation | Python.org](https://www.python.org/doc/)

matplotlib可以去看官网，简单点看这个：

[matplotlib.pyplot的使用总结大全（入门加进阶） (zhihu.com)](https://www.zhihu.com/tardis/bd/art/139052035?source_id=1001)

---

### 03-opencv内容

我得强调一点，opencv兼具了本次实训的重要职责：

1. 简单学习使用opencv的图像处理、图形变换等方式加工图像

2. 利用opencv方式实现一些简单的智能识别方法，比如图形识别
   
   （往远了说，这就是人工智能的雏形，往大了说这是图形学的重要应用，是一门科学）

3. opencv的基本使用方式最终完成车道检测项目

4. （如果需要上车牌识别）opencv可以辅助深度学习的车牌识别完成图像变换等任务

着手学习目标：

+ 图层（RGB三通道理解）（0.5天）

+ 图像处理（灰度、平滑（模糊）、分割（阈值化））（0.5天）

+ 轮廓检测 （0.5天），项目图形检测（0.5天）

+ 直方图理解 （0.5天 实际要不到） 

+ 几何变换 （1.5天，需要自己不断去尝试 平移、旋转、缩放、仿射变换）

> opencv内容重在理解，代码完成基本功能，后续在项目中复制是可行的，人工智能项目的内容是看着多，实际上上得很快，基本没有过多API的使用，全凭逻辑能力。
> 
> （比如：丽江文旅学院的学生底子很差的情况下，依旧学得很快.... 其实代码根本就算不了什么）

<font color="red">花费时长： 4 ~ 4.5 天 （不宜花时间去研究其他API）</font>

<font color="red">目标：图形识别项目、仿射变换的项目</font>

上述内容均来自《Opencv4.5 计算机视觉开发实战 基于Python》这本书，想要看可以找我拿这本书。目前没有在线PDF

---

### 04-opencv实现车道检测

<font color="yellow">实训时间在10天以内的情况下，可以选择该项目作为最终项目，领导有询问，则说明该项目是图像检测与处理的重要方式，人工智能框架只是辅助</font>

+ 车道提取（图层、灰度、模糊、分割 前面的内容） （1天）

+ 仿射变换 （0.5 天）（多设置几组参数去感受实验的变化）

+ 直方图与左右车道线 （1天）（读懂代码）

+ 车道线拟合（多项式拟合要知道是 y = ax^2 + bx + c ;根据xy求a,b,c）（1天）

+ 实时车道线检测（加载MP4、实时检测）（1天）

+ 曲率计算（可选）

> 项目的目的是使用opencv工具，完成图像识别与检测，就像一场科学验证游戏，循序渐进就好

<font color="red">花费时长：4.5 天</font>

<font color="red">目标：读懂项目，再一步步去实现</font>

<font color="red">参考视频（有的视频中用了霍夫直线变换，这是一种方式）：[从车道线检测项目入门OpenCV_哔哩哔哩_bilibili](https://www.bilibili.com/video/BV1qk4y1r7jw/?spm_id_from=333.337.search-card.all.click&vd_source=08755ce6fff7759ed2a988999bbd0dcc)</font>

---

### 05-opencv-人脸识别

<font color="yellow">如果车道线识别项目结束后，还有2-3天左右的时间，非常适合讲这个项目，该项目仅仅在使用API，唯一多的功能就是开启摄像头</font>

+ 检测人脸

+ opencv绘图

+ 摄像头

+ 训练人脸数据

+ 加载训练集识别人脸

<font color="red">花费时长：2天</font>

<font color="red">目标：识别人脸，该项目API单词不好记情况下，请写一个文档</font>

参考：这个项目已经是19年的项目了，找不到合适的参考视频。（需要使用haarcascades这里面的人脸识别库）

---

### 06-机器学习

<font color="yellow">什么，学校领导说，上面的项目不够高级，那我们就上机器学习，实训方案可以的组合有很多： 基础 + opencv + opencv识别； 基础+机器学习 + 深度神经网络+ 车牌识别；....</font>

+ 散点图与预测线 （[02-着手从基础学习]()）（0.5 天）

+ 调整预测线方式（核心内容是改变预测直线斜率）（0.5 天）
  
  （这里涉及到方差与w之间的链式求导，如果不懂可以问我和陆老师）

+ 前向传播与反向传播 （其实就是上一步的内容，讲清楚什么是损失函数、优化器、学习率、梯度下降....这些名词）（0.5 天）

+ 不规则散点图（0.5 天，问题难度变大，不再是上述一条直线可以解决）

+ 激活函数sigmoid （1天，本质将生成y的函数换个函数，这就是激活函数）

+ 动态显示（0.5天）

<font color="red">花费时长：3.5天</font>

<font color="red">目标：预测散点图，是人工智能的雏形（有人叫感知机、决策树），也是后面神经网络的一个神经元单元。很重要的理论</font>

参考：《动手学习深度学习-李沐 这本书里面有讲到这部分，但我建议大家自己可以看看集团韩老师的视频。

```textile
8.16上午直播链接：http://live.vhall.com/658466182 密码：HQYJ899
8.16下午直播链接：http://live.vhall.com/869852554 密码：HQYJ899
8.17上午直播链接：http://live.vhall.com/891086510 密码：HQYJ899
8.17下午直播链接：http://live.vhall.com/574645584 密码：HQYJ899
8.18上午直播链接：http://live.vhall.com/456276631 密码：HQYJ899
8.18下午直播链接： http://live.vhall.com/722985221 密码：HQYJ899
```

---

### 07-tensorflow

<font color="yellow">tensorflow基本API的使用</font>

+ 张量

+ numpy与张量转化

+ 张量运算

+ 自动求导与切线（这一步很重要，前面机器学习是我们自己求导，现在可以自动求导了）

<font color="red">花费时长: 1.5天</font>

<font color="red">目标：学习tensorflow的一些基础内容</font>

参考：[关于TensorFlow | TensorFlow中文官网 (google.cn)](https://tensorflow.google.cn/?hl=zh-cn)

---

### 08-神经网络

<font color="yellow">实际上就是在用新的API复刻并演示机器学习的内容</font>

+ 决策树与神经网络（学习构建tensorflow的神经网络）

+ 多元线性回归 （多个特征进行预测，而不再是一个平面，项目中有，x,y,z）

+ 分类问题 （利用softmax与交叉熵，可以通过概率分类）
  
  （建议去学习softmax线性回归，在《动手学习深度学习》中有讲）

+ 圆形散点与预测（学生作业）

+ 卷积神经网络 （前面预测数值，现在开始搞图像分类了。）
  
  （参考：[【什么是CNN？】浙大大佬教你怎么卷CNN，卷积神经网络CNN从入门到实战，通俗易懂草履虫听了都点头(人工智能、深度学习、机器学习、计算机视觉)_哔哩哔哩_bilibili](https://www.bilibili.com/video/BV1zF411V7xu/?spm_id_from=333.337.search-card.all.click&vd_source=08755ce6fff7759ed2a988999bbd0dcc)）（2天~3天）

+ 使用经典神经网络（同上，但直接复制我的AlexNet与ResNet代码即可，不需要手写，很麻烦）

<font color="red">花费时长：4天-5天</font>

<font color="red">目标：深度神经网络的学习与使用，意在说明更简单的使用方式，该阶段的核心代码是数字识别。</font>

---

### 09-tkinter 界面编程

+ 简易界面程序

+ 组件与布局

+ 按钮与点击事件

+ 打包exe

<font color="red">花费时长：1天 （内容不多）</font>

<font color="red">目标：写界面，打包界面</font>

参考：[python开发GUI-----tkinter详细教程 - 知乎 (zhihu.com)](https://zhuanlan.zhihu.com/p/569960987)

这里作业布置最好把`车牌识别项目`的界面交给学生做，时间又是一个下午

---

### 10-车牌识别项目开发

<font color="yellow">基本上上到这里是十五天绰绰有余的</font>

+ 界面（在上一章，他们已经做好）

+ 车牌检测 （反卷积unet.h5 实际上是只显示车牌部分区域的卷积网络，执行它之后，其实就相当于PS抠图，后面就是opencv内容和轮廓检测）

+ 从本地加载图片文件（tkinter补充内容）

+ 获取车牌区域（找到车牌的四个角的点，并划线，标注车牌区域，这里是一个数学+opencv内容）

+ 车牌变换（opencv仿射变换）

+ 识别车牌（cnn.h5 是一个卷积，可以识别车牌中的每个数字，注意返回是一个对象）

+ 车牌识别系统（把上述代码进行组装，并打包）

<font color="red">花费时长：2~3天</font>

<font color="red">完成大项目之前的每个分项目即可，最后组装项目，相同代码部分最好复制，以免重复编写，项目打包后，记着和两个.h5文件一起。不要分开</font>

参考：没得参考，github上一个开源项目，没有任何说明。

---