2018年9月：机器学习环境配置与深度学习入门进展

在2018年9月的第二周，工作重点围绕机器学习环境配置和理论学习展开。首先，针对机器学习对Nvidia显卡的支持，特别是Tensorflow-gpu的使用，团队在Windows 10和Ubuntu 18.04操作系统上进行了环境配置。Windows 10环境下遇到了不少问题，Tensorflow-gpu的表现不稳定，可能会出现未知错误，因此建议谨慎使用。同时，Pycharm IDE被发现存在bug，如调试功能异常和界面问题，开发者需注意。 在Ubuntu系统上，安装CUDA之前必须先安装相应的Nvidia驱动，但过程中可能会遇到黑屏问题，即系统无法识别Nvidia显卡。这是一个需要解决的挑战，可能涉及到驱动版本兼容性和系统配置的调整。 在理论学习方面，团队通过孟老师的讲解深入理解了深度学习的基本概念，包括工作流程和三维点云处理。他们还学习了逻辑回归算法，并使用numpy进行向量化操作，提升数据分析能力。此外，通过分析SequeezeSeg项目，团队掌握了深度学习工程项目结构和构建过程，计划下周将注意力集中在输入数据转换和模型训练上。 具体到代码实践，团队通过Python脚本查看了npy格式的数据结构，这有助于他们更好地理解和处理数据。他们计划修改SequeezeSeg代码，使之适应竞赛数据，并学习如何组织和应用深度学习项目。此外，他们还计划深化对Tensorflow的理解，掌握其基本用法，以便更好地应用到实际项目中。 这一周的工作既包含了技术难题的解决，也涵盖了理论知识的学习和实践经验的积累，为接下来的深度学习项目开发打下了坚实的基础。在下周，团队将继续优化环境设置，提升代码能力，深入理解深度学习的核心技术。