實習從4月初開始，每週實習三天，共歷時近四個月。因為就職時有簽訂保密協議，就寫一下關於實習期間知識上的收穫吧

（1）給電腦裝系統、搭環境

系統包括win7、win10、ubuntu16，環境主要包括VS、Python、Matlab、opencv、caffe、tensorflow等。我以前沒裝過系統，都是請人幫忙，結果被帶我的大哥嘲諷了一下，工科專業的學生裝系統都不會怕是有點說不過去。Ubuntu分割槽和搭載的時候需要注意一下、後面比較麻煩的是caffe，網上的很多部落格不一定適合自己，需要考慮版本是否匹配，我自己的caffe是 cmake+vs14+caffe-windows（當時最新）裝好的，有GPU的話，下載合適版本的cuda和cudnn。

（2）Matlab檔案操作

將雜亂無章的影象資料按照資料庫中的對應關係按類別分別存放，分好train和test集，生成相應的label.txt檔案，作為下一步訓練網路的輸入。

（3）深度學習入門之caffe

如同一杯咖啡，喝的時候很苦，之後回味無窮。相比安裝，caffe的使用不要太爽，有命令列介面、Matlab介面和Python介面三種。命令列介面最是無腦，嚴格來說都不需編寫程式，寫命令列指令碼檔案就可以讓資料跑起來；Matlab介面和Python介面的使用差不多，相比命令列介面只能看到訓練過程中的loss和accuracy，python介面可以檢視CNN的網路結構，每一層的權重與偏置引數，還可以繪製loss與accuracy的曲線圖。

之前只有影象處理和模式識別的基礎，但是企業裡做影象或者視覺的現在多用深度學習，於是一邊實習，一邊補人工神經網路、CNN的基礎理論知識，在coursera上學習吳恩達大大的深度學習課程，結合caffe交叉理解。

（4）深度學習進階之tensorflow

caffe用的很爽，但想搭建自己的CNN網路會比較麻煩、改變損失函式或者優化演算法等還需要查改原始碼，我這種c++渣渣還是暫且打住吧，於是很不情願的入了tensorflow，看了一些教材上的例子，知道大致流程，直到參考Alexnet寫了自己的第一個小型cnn二分類網路才漸漸有了感覺。

其他大概還有一些如遠端連線、共享盤、設定IP地址、搗鼓主機裡面的線路這些計算機基礎知識吧。