这个专栏记录我做毕设的过程中遇到的问题，以及发现的比较好的文档等。
我的毕设是小波神经网络在图像去噪中的应用，一方面是要学会关于神经网络的相关知识，另外，还需要学会使用tensorflow（我是用的这个开源工具）等工具。最后，还需要掌握一些关于图像去噪方面的知识，结合起来就是我的毕设。
一些比较好的网址：
tensorflow的一个教程
tensorflow2.0的一个教程
Keras的一个教程
H5py的一个教程
matplotlib.pyplot的一个教程
tensorflow的API 1.0与2.0版本的对应关系，如果不慎入了这个坑。。
另一个Keras教程，个人觉得这个更实用，前一个适合入门。
网址差不多就是这么多，当然还有数不尽的博客。在此，谢谢CSDN等平台。
关于做毕设的心态，学习的规律，自己的一点看法：
我觉得学习是一个不断的调整反馈的过程，一开始，我只刚入门，就装tensorflow配环境，就花了两三天，坑还是有一些的。。
着急不行，然后又看了一个MNIST数据集的案例，算是简单入门tensorflow吧。但是发现自己并不会自己写代码出来。。
着急不行，然后又去girhub上搜一些代码来看，看了几个，改了改，期间遇到了那个1.0与2.0版本API不对应的大坑。。改了改之后，因为版本升级太多，就决定自己来写。别人的代码仅做参考。
期间，看了知乎的一个大佬对于BP神经网络的讲解，启发很大，感兴趣的可以搜一搜，链接找不到了。
之后，就开始自己搭网络，好在tf2.0把这个简化了，几行代码就搞定了。然后是自定义loss函数和激活函数遇到了一些问题，这里不得不说Stack Overflow里面的问题确实全，这两个问题都是在那里面解决的。
最麻烦的是，输入和输出的解决，废了好久的时间，我用的是VOC数据集，里面的图片大小不一样，我还需要处理，这个花了好久。。总之，不能着急，着急的话会很烦，事情也做不好。学习的过程来回反复是很正常的。
大致的问题和过程就是这么多，我得出的结论是：学习是一个不断反复的过程，期间会无数次的“回头看”，反正呢，就是不能急，一急就会烦躁，无益于最终问题的处理，相反，需要个人“宏观上”把握自己的状态，告诉自己学新知识的时候，反复查询，反复深入，一次比一次深入是一个正常的过程，不必着急，也不必妄自菲薄。
