畢業(yè)設計（基于TensorFlow的深度學習與研究）之總結概述篇
前言
今天是2020.07.30，距離我答辯已經過去1個月時間，距離我完成論文初稿并在paperpass上查重已經過去4個月時間，經過這么長時間的思考、沉淀，我將在本文中主要涉及3個方面的內容，希望能夠給即將進入大四或者其他任何感興趣的小伙伴帶來一絲絲靈感。
第一部分內容我會結合我的公號推文與我的畢業(yè)設計，并以推文所發(fā)內容為主，點明其簡介與每期推文的亮點，幫助大家更好的了解我寫論文時候的思路；
第二部分我將會重點回答一個問題，這個問題在大部分小伙伴拿到畢設題目之后都會隨口問道：我該怎么寫？
在最后一部分，我將會稍作總結并把我畢設所涉及的相關資料通過百度網盤共享的形式發(fā)布出來，供小伙伴下載查看。
01 - TensorFlow環(huán)境搭建
02?- 畢業(yè)設計之文獻翻譯篇
文章簡介：本文是我被微信官方灰度付費測試功能后發(fā)的第一篇付費文章，毫無疑問，效果很不好
，文章中主要包括三部分內容：原版英文文獻、中文翻譯以及我對付費功能的一些理解。
本文亮點：毫無亮點。
03?-?TensorFlow 2.0概述
文章簡介：本文將介紹與我的畢設論文演示案例相關的TensorFlow的一些基礎知識，包括張量、計算圖、操作、數(shù)據(jù)類型和維度以及模型的保存，接著在第二部分，本文將介紹演示案例代碼中用到的一些TensorFlow 2.0中的高階API，代碼中不會涉及像TensorFlow 1.x版本中的Session等一些較為復雜的東西，所有的代碼都是基于高階API中的tf.keras.models來構建的（具體模型構建使用Sequential按層順序構建），可以大大的方便讀者更好的理解代碼。
需要注意的一點，本論文中所實現(xiàn)的兩個案例均在本機CPU上進行運算，對于更大數(shù)量級的數(shù)據(jù)訓練建議采用添加GPU的方法或者托管在Google cloud、AWS云平臺上進行數(shù)據(jù)的處理。
本文亮點：將知識點與演示代碼穿插進行講解，并避免了TensorFlow官網中一些晦澀難懂的解釋。
04?- 畢業(yè)設計之AlexNet詳解篇
AlexNet論文講解
圖解AlexNet（8層）結構
五種花分類識別項目展示（部分代碼展示）
05?- 神經網絡與深度學習概述（一）
文章簡介：本文主要介紹了如下內容：神經元、簡單神經網絡、深度神經網絡、激活函數(shù)、softmax算法、損失函數(shù)、梯度下降、反向傳播。
本文亮點：通過形象生動、貼近生活的案例對神經網絡與深度學習中較為復雜的概念做了通俗的解釋。
06?-?神經網絡與深度學習概述（二）
文章簡介：本文主要介紹卷積神經網絡的基礎以及TensorFlow 2.0版本中的CNN，其中卷積神經網絡基礎部分包括如下內容：相關基礎概念、局部感知野、參數(shù)共享、多卷積核、池化、多層卷積、池化層和卷積層的反向傳播。
本文亮點：通過形象生動、貼近生活的案例對神經網絡與深度學習中較為復雜的概念做了通俗的解釋。
07?- 測試實驗及結果分析（一）
文章簡介：本文將介紹第一個案例：利用AlexNet完成MNIST手寫字的訓練和識別。（本文第一部分還通過圖解的方式解釋了AlexNet的8層結構，小伙伴們如果在前述系列文章中已經對其有了深刻的理解，此部分內容可以直接忽略，直接看第二部分演示案例即可）
本文亮點：talk is cheap，show you my code.
08?- 測試實驗及結果分析（二）
文章簡介：本文將介紹第二個案例：基于AlexNet完成五種花的訓練和識別。
本文亮點：talk is cheap，show you my?code.
09?-?畢業(yè)設計之番外篇
文章簡介：本文將涉及兩個問題：第一個是利用深度學習進行五種花的分類識別，第二個是利用深度學習識別滑動驗證碼的缺口位置。
本文亮點：本文借助華為云AI開發(fā)平臺ModelArts進行數(shù)據(jù)標注、模型訓練以及部署上線，值得注意的一點，完成本文所涉及的兩個案例不需要任何代碼的基礎，只需要會鼠標拖拽即可。
10 - 畢業(yè)設計之完結篇
文章簡介：本文對我的畢設系列推文在公號平臺上的發(fā)布做了簡單的規(guī)劃安排。
本文亮點：文末講解了一個使用fashion_mnist數(shù)據(jù)集完成的簡單案例（其余內容毫無亮點）。
11 - 畢業(yè)設計之查重篇（非原創(chuàng)）
文章簡介：本文是我從知乎、csdn、學術不端網、騰訊云 云+社區(qū)、阿里云社區(qū)等平臺搜集到的關于論文查重的一些小技巧，我只是對其做了一個簡單的整合。
本文亮點：感謝所有我借鑒過的文章，如有侵權，請聯(lián)系我，立刪！
對于任何一個大四的學生，畢業(yè)前夕最為重要的事就是他們會花半個學期的時間做一件事：寫論文。然而對于大部分的小伙伴來說（大學期間發(fā)過核心論文的小伙伴可以傲嬌的不看這部分內容），寫論文真的是頭一遭，所以很多小伙伴都會產生一種空有一腔熱血，想著我一定要好好開始寫論文啦，但不知從何下手的沖動，在該小節(jié)中，我們就從宏觀的角度說下寫論文時候的思路，希望能夠給各位2021屆即將畢業(yè)的小伙伴們帶來一絲絲幫助。
首先，我們來說下大致的流程，在大四上學期末（臨近考研或學校的期末考試），各個學院會下發(fā)相關的畢設選題和對應的指導老師等信息，在這個時間段小伙伴一定切記：選擇自己熟悉或有興趣的題目+選擇好相處、有能力的指導老師。
其次，在選完題目之后，一般會間隔一個寒假，小伙伴們千萬不要把這段時間荒廢掉，查閱文獻、補充相關知識、看論文、整理論文大體的思路框架等這些工作就應該干起來啦。
最后，就是正式開學之后，指導老師會組織組內成員開一個見面會，并安排每周的任務，小伙伴們按照自己導師的要求去做就行了。
以上，我們說了大致的流程，接下來我們進入主題，到底如何寫一篇論文呢？
我從四個方面來宏觀的說一下：
「首先」，小伙伴們在大四學期末拿到自己的選題之后，希望各位在寒假期間根據(jù)自己的題目關鍵詞、教務處對該題目的要求以及導師對這個題目的要求去查閱相關的資料，并與導師進行及時的溝通。
以我的畢設題目為例，其名稱為基于TensorFlow的深度學習研究與實現(xiàn)，第一步，我們先找出題目的關鍵詞（即為TensorFlow與深度學習）；第二步，我們通過查閱學校教務處網站找到對該畢設的要求，如下所示：
第三步，我們可以詢問指導老師，并請求老師能否給出相應的指導思路。
「其次」，在我們完成了上述前期內容之后，我們要初步定下論文的大體框架，即目錄，一般來說，本科論文大致分為5章內容，小伙伴們應當在完成前期內容的基礎上，對自己論文中所要涉及的內容有比較清晰的劃分，我在畢業(yè)設計（基于TensorFlow的深度學習與研究）之完結篇一文中貼出了我畢設的目錄，小伙伴們可以進行查看。
「接下來」就是查文獻的事，可能有的小伙伴會產生疑問：查閱文獻不應該在拿到論文題目就開始嗎？沒錯的，小伙伴說的沒錯，當拿到題目之后，我們確實應該去查閱文獻，但是此時查閱的東西應該更多偏向于背景知識等內容，而并非到知網、萬方等專業(yè)的平臺去查閱大牛的論文去閱讀，更何況，對于大多數(shù)才剛剛拿到畢設題目的小伙伴，讀論文對他們來說可能會是一個身心俱疲的累活。
「最后」，在我們有了清晰的框架、讀了大量優(yōu)秀文獻的基礎上，我們就可以開始寫論文啦，寫論文的過程中，各個指導老師會告訴自己組內的學生有哪些禁忌、自己的要求、學院對論文的要求等，小伙伴們遵循老師的教誨就是了。
至此，關于畢設系列的推文就全部告一段落，希望我的畢設系列專輯能夠給小伙伴們帶來幫助，最后我將我的畢設論文和英文文獻的PDF鏈接放在下方，小伙伴們可以按需下載：
畢設論文下載鏈接：
https://pan.baidu.com/s/1ftGIkOI6EUcBXPo1-6v6zw
提取碼：kjuu
英文文獻下載鏈接：
https://pan.baidu.com/s/1jxCgO3r8h4eUDMZM6827sQ
提取碼：0t6f
畢業(yè)設計之「測試實驗及結果分析」（一）
畢業(yè)設計之「測試實驗及結果分析」（二）
畢業(yè)設計之「神經網絡與深度學習概述」 （一）
畢業(yè)設計之「神經網絡與深度學習概述」（二）
TensorFlow 2.0 概述
長按關注