初学AI（ML、DL、TensorFlow）与python、OpenCV的一些体会之二

时间飞快，又到月底，强制自己写下这一个月的学习和实践情况，并对参考资料做一下梳理。

（一）先照计划学习叶韵[19]、小甲鱼[3]等人的书，一边学习Python语法，一边搭建Python-OpenCV环境，并将语法重点向OpenCV倾斜，动手做了实验，利用文献中的示例代码实现了摄像机和视频文件的读取，对在Python中调用cv2算法有了一定了解。同时查找和梳理了较有价值的参考资料。叶韵的《深度学习与计算机视觉》一书（相关资源https://frombeijingwithlove.github.io/），这本书在三个方面值得一读，一是把DL和CV的基础数学知识进行了很形象的定性讲解，有助于理解消化这些知识；二是对Python和OpenCV的编程特点进行了入门级介绍；三是对实现DL的一些工具结合实例进行了讲解，不包括TensorFlow。另外开始学习ZedA. Shaw的《笨办法学Python3》[20]，觉得这本书完全站在初学者的角度，帮助你脚踏实地、循序渐进的学习训练和理解代码特点。

（二）学了部分ML和DL理论知识，计划快速读完后与应用软件对应画一个知识体系图。参考书主要是[16,17,18]，周志华的《机器学习》[16]是一本ML入门教材，讲的知识体系比较全面，深入浅出，可以帮助我们迅速了解ML。如果想在DL方面系统学习，则要读Ian Goodfellow、Yoshua Bengio和Aaron Courville合著的《深度学习》[8]，该书中文和英文电子版可在下面网站获得（https://blog.csdn.net/qianqing13579/article/details/71076261），目前没有时间看，准备做了TF的简单实验后再读。

（三）结合参考文献[2]进一步了解scikit-learn工具包，下载了相关代码和参考资料。主要是学习Jupyter Notebook的使用方法，并用它来转换ipynb格式文件至py格式文件，进而使用spyder工具进行代码分析。这本书正好可以作为[16,17,18]理论知识的实验补充，从实验角度理解和应用ML。

（四）进行TensorFlow环境安装，包括CPU版和GPU版的，这项工作经历的波折和困难最多，走了很多弯路和大坑，查找了很多资料，最后终于在win7和Anaconda3下安装成功，将会专门写一篇文章进行总结。

（五）下面是一些比较有参考价值的资料信息：

1.怎样找到scikit-learn的源码、说明文档以及书本教程的示例代码？

scikit-learn库见http://scikit-learn.org/stable/documentation；读代码时可参考《scikit-learn-docs》，网址http://scikit-learn.org/stable/_downloads/scikit-learn-docs.pdf。在使用过程中，如需要单独下载samples_generator.py源代码，可到http://www.bvbcode.com/cn/aozy5kbr-2565497，下载整个scikit-learn源代码的.py文件可到http://www.bvbcode.com/cn/aozy5kbr。Andreas C.Muller的《Python机器学习基础教程》[2]即《Introduction to Machine Learning with Python》，书中示例代码网址https://github.com/amueller/introduction_to_ml_with_python。

2.怎样找到最新的OpenCV说明文档和示例代码？

OpenCV的学习，我是先找到了段力辉翻译的《OpenCV-Python 中文教程OpenCV官方教程中文版（For Python）》PDF文件，不过是2014年的，3.0版，在实验时代码还是有一些变化，需要自己动手解决。为获得最新的说明文档和示例代码，最好找到他在文中提到的OpenCV documentation index所在的网站https://docs.opencv.org/3.4.0/，其中OpenCVmodules 下面的OpenCV-PythonTutorials，都是最新的代码和说明，极为全面详细，便于深入理解和研究，但是对英文要求较高。

3.怎样找到Python说明文档？

由于我是Python初学者，很多函数不熟悉，书本主要讲函数的含义和应用，但是函数的参数和细节还要看说明文档。最简单的方法是可以选中该函数，按cont+i，会在右侧Help标签栏显示信息，另外查看帮助文档方法如下：（https://blog.csdn.net/csdn_0_001/article/details/79550784）

例如准备使用time模块,使用time模块的localtime函数,使用range类在已经分清模块,函数,类的情况下开始测试。

方法一

在python命令行输入以下内容

help(time)                        # 很详细的模块文档

help(time.localtime())                  # 很详细的函数文档

help(range)                       # 很详细的类的文档

方法二

在python命令行输入以下内容

print(time.__doc__)               # 较详细的模块文档

print(time.localtime().__doc__)      # 较详细的函数文档

print(range.__doc__)              # 较详细的类的文档

方法三

在python命令行输入以下内容

print(dir(time))                  # 简略的模块函数显示

print(dir(time.localtime()))         # 简略的函数参数显示

print(dir(range))                 # 简略的类构造函数参数显示

方法四

在python命令行中输入help(),然后再次输入time,可以获得很详细的模块文档
或者输入time.localtime,可以获得简略的函数参数显示，或者输入range,可以获得很详细的类的文档。

 

 

参考文献（文中未涉及的参考文献可参考上一篇体会）

[1] 范淼，李超.Python机器学习及实践——从零开始通往Kaggle竞赛之路[M].北京:清华大学出版社，2016.

[2] Andreas C. Muller，SarahGuido.Python机器学习基础教程[M].北京:人民邮电出版社，2018.

[3]李佳宇.零基础入门学Python[M].北京:清华大学出版社，2016.

[4]张平.OpenCV算法精解：基于Python与C++[M].北京：电子工业出版社，2017.

[5]钟义信.人工智能历史研究需要的共同语言：术语的规范.

[6]Mitchell T M,CarbonellJ G,Michalski RS.Machine Learning[M].McGraw-Hill,2003.

[7]邓力，俞栋.深度学习：方法及应用[M].北京:机械工业出版社，2015.

[8] IanGoodfellow， YoshuaBengio，AaronCourville.深度学习[M].北京:人民邮电出版社，2017.

[9]郑泽宇，梁博文，顾思宇.TensorFlow实战Google深度学习框架[M].北京：电子工业出版社，2018.

[10]罗冬日.TensorFlow入门与实战[M].北京:人民邮电出版社，2018.

[11]黄文坚，唐源.TensorFlow实战[M].中国中信出版社.

[12]李嘉璇.TenserFlow技术解析与实战[M].北京:人民邮电出版社，2017.

[13]大塚弘记.Github入门与实践[M].北京:人民邮电出版社，2018.

[14]Peter Bell，BrentBeer. Github入门[M].北京:中国电力出版社，2015.

[15] ChrisDawson.Github实践[M].北京:人民邮电出版社，2016.

[16]周志华. 机器学习 : =Machine learning[M]. 北京:清华大学出版社,2016.

[17]Ethen Alpaydin.机器学习导论[M].北京:机械工业出版社，2015.

[18]神经网络与机器学习[M].北京:机械工业出版社，2015.

[19]叶韵. 深度学习与计算机视觉 算法原理、框架应用与代码实现[M] .北京:机械工业出版社，2017.

[20]Zed A. Shaw.笨办法学Python3[M].北京:人民邮电出版社，2018.