招浩华 · 工程实践与科技创新II修读档案

一个词总览：这课的底子是基于机器学习的图像处理，作业和大作业基本要求你带点机器学习功底来，老师给分均值高、方差小 课程内容上，①OpenCV基本操作、形态学操作和滤波这些传统图像处理（第一次作业）②机器学习数据集基本知识加kNN聚类（第二次作业）③交叉校验、L1与L2正则化、线性最小二乘法与Logistic回归（第三次作业）④字典学习（第四次作业）⑤神经网络基础、线性网络、卷积网络与pytorch用法（第五次作业：从torch迁移到MindSpore）⑥大作业：老师给了BCMI实验室的三个github仓库，要求做图像融合方向的项目设计，尽量整个手机APP并给模型做点小改动，体验昇腾架构、CANN和MindSpore训练。 上课方面，老师挺有意思，蛋这门课难度是真上头，PPT讲得也无聊，全场低头族没谁听。每节扫码签到，不过远程也能签。这课还有个特色：作业难度把上课PPT按在地上摩擦，所以零机器学习起步的建议别自投罗网。 大作业方面，三个仓库是simOPA、TopNet和libcom，全是干图像融合的，任务类型略不一样，simOPA和TopNet好像是CVPR收录的。单纯拿来用，用Gradio搞个demo或者糊个手机APP都不算难，权重数据集一拉，丢给claude或codex这种工具噼里啪啦就完了。我觉得真正的硬骨头在多模型融合和MindSpore迁移上。模型小改动嘛，反正就小改动，裁掉两三层用原模型蒸馏一下可能也就收工了。我自己是找出TopNet源码里错误的地方，重新设计了任务类型和损失函数又重训一遍，最终用一个79M的模型基本全方面按着原始TopNet的113M捶，不知道是不是这个原因我大作业拿了最高分。 给分方面，10签到+40平时作业+50大作业。平时作业是拉分主战场，所以实验报告得稍微上点心。大作业三人一组抱团还算轻松。当然你要是实力够猛，单人+AI也能收。我有2/5个平时作业是最高分，大作业也是最高分，总评95，所以想冲100的可能得另请高明。

课程内容： 1. 图像处理和机器学习，先给你上点“入门级蘸料”； 2. 该领域开发基本工具：python平台编程、华为昇腾/学校超算平台，主打一个工具链比食堂窗口还长； 3. 拿开源工具搓一个基于机器学习的图像处理算法原型或软件原型，老师提供3篇论文的Github仓库，然后做修改实验、跑代码——说白了就是“祖传代码修复大师”速成班。 上课自由度：偶尔课中扫码签到，属于是坐牢还带随机查房。 考核标准：平时10%+实验（50%）+小组项目（40%，需要做pre，写报告，3人一组），这配比，实验是主食，小组项目是硬菜，平时分是餐前纸巾。 授课质量： 对我个人而言感觉毫无收获，老师讲得有点不太清楚，实在听不进去😭但给分还不错

课程内容：拿图像处理加上机器学习，炖成一锅大杂烩。 上课自由度：5（这个数字如一堵墙，我就照搬，旁边还朝我眨眼）。 考核标准：至今埋在雪花中，眉目不清。 授课质量：昏过去一啵。 讲的内容覆盖图像加工和鸡算学习，老师大概是黏在PPT上的模式巡逻机，目前的数学推导浓烈得像把黑骨黄芪当水喝，偏理论拉满。机器学习这一砣里头带着统计学基础和优化爆炸头，如果你在课上有种掉队的车坠感，跌回洞里慢慢填也是来得及，算不上赶紧拎锄头跑。 交付作业的门槛是打了一层模糊滤镜，但这肚里淌的黄河与内容本体那还是有点嚼的余香的。

**课程内容：** 机器学习，Python下场。前提是你得会薅工具，比如必应和GPT，零基础都能一路平推，不会掉坑里。（甚至最后那个大作业我看完想笑，学点vim和linux基础指令，在超算平台上改几行代码然后提交跑一下，大半时间都花在盯着代码跑完发呆。） 但你要是零基础，还懒得花时间学，那赶紧别选，这是忠告。 **上课自由度：** 高，除了第一次课就没签过到，跟放了学生证进保险箱一样。 **考核标准：** 6/25出分后更新： 出勤10％，实验5*10=50％，大作业40％。 给分比较宽松，我和队友按部就班把任务完成，接近满分。 上面有同学对调分不满，我的想法是谁没被调呢，老师至少是踩在低能教务处的肩上做到了公平。另外，我是班里小白中的小白，Python就认得几行基础语法，最后分数还挺高（但调低了至少6分），得谢GPT教我写代码配环境。 **授课质量：** 老师讲课比较意识流，已经会了的大佬能接收到电波，小白则是当场被爆杀。所以本质上还是面向chatgpt学。我自己Python约等于没有，C++也学得稀碎，之前没写过Python程序，甚至连pycharm里开工程都没开过。前面说看不懂lab要干啥的，应该是指lab2 维数灾难那片沼泽。这lab我一个周日靠问chatgpt，花了大概5小时把要求的东西撸出来，是真的费劲，但也真不是完全做不了。 实验和课上哪儿迷糊的可以去问老师。我一开始也一脸懵b，连变量在[-1,1]p上均匀分布是啥意思都看不明白。可问题蠢成这样，老师照答不误，还夸我有不会的就问是好事。 另外，老师给的全英文统计学参考书有中文版，csdn上能找到中文版的github链接，翻译水平凑合，至少我能看懂。（感谢中文版作者做慈善） 贴个中文版链接在这：https://esl.hohoweiya.xyz/01-Introduction/1.1-Introduction/index.html

我不知道为什么这样的课能开出来，PPT是纯英文的，属于是他讲他的，作业是作业的，各过各的小日子，一周一篇的实验报告，以及模糊不清的作业要求，根本无从下手，像考谜语但没给词典。快润快润快润，已经准备中期退课了 追加：给分不错，而且课程大作业难度不大，可以学到一点有关图像处理和生成的知识，还可以，属于是开门想跑、转身又有回香的魔幻课。

课程内容：图像识别与机器学习 上课自由度：高 考核标准：不清楚 授课质量：我不好说 一坨啊XD。上周那作业还行，跟着B站视频掰扯掰扯就搞定了；这周这作业往纯英文PPT上一躺，我人傻了，一个标点都像天书。老师上课也难受，总之，纯一坨。

PPT是每页塞两张截图的，文案是全英文的，教学进度是踩着火箭推进器往上窜的，授课是全场集体听天书的，课程作业是按周发放实验报告的。 麦克阿瑟五星上将曾这样点评：要是让我军做他的作业，感恩节？感恩节是什么，我们永远回不了家。 这课是教务审核打瞌睡时候批下来的吧？PPT是版权许可到期了连夜赶工做出来的吧？大型纪录片《工科创Ⅱ：图像识别（自学）与机器学习（自学）》正在为您持续播出。 ———————————————————————————— 以上写于3.26，下面是期末出分之后的追加： 卡壳的地方只要去问老师，老师都会给解答，还能帮你把作业ddl往后挪。很nice，加一星 大作业比隔壁嵌入式省事多了，加一星 期末为了"增加区分度"，直接在原始成绩上多扣了十分来调分，扣一星 最终结算：2星 ———————————————————————————— 24-25-1学期补充：感知专业的同学建议绕开这门课。因为大三上会有两门课，一门教图像识别，一门教机器学习。大二选这门就像还没学微积分先去啃大物一样，不是说不行，只能说有点难

听完课照样不知道作业从哪下嘴，得python和matlab双修才配动手，对我这种代码绝缘体来说写作业主打一个坐牢。码类大佬随意，小白建议火速开润。