本篇侧重于新手实操的遇到的问题，以及，劝学。     

一开始加入的项目的要求是用lstm提取中间层再用svm进行预测，ee专业的我只能从头自学hh。一开始是跟着几本深度学习的教材（《python深度学习》和花书，导师推荐了就买了），还停留在用jupyter notebook做的阶段。《python深度学习》做了大半之后才对我在干什么大致有了数。就开始尝试着手搁置的项目，准备先搜些小项目看看。

搜到的比较好的博客贴一下：

Keras实战：基于LSTM的股价预测方法_翻滚的老鼠屎-CSDN博客

keras分类猫狗数据（上）数据预处理_lsh呵呵-CSDN博客

        算是 比较全面的博文（至少代码分块有小标题有注释，这对初来乍到的我真的很重要）可以作为教材自己摸索。虽然直接上这种项目中间会遇到无数困难，但是解决问题不就是一个engineer该做的么？先运行出来，再查各种文档和博客理解每一行代码每一个参数，这就是他作为实例教材的意义。

        在抄这些代码的时候我终于意识到notebook是一个教学用的平台，很多库导入时经常报错，不是用来干正事的，就自己摸索着用上了spyder，（知道有pytorch之类的但是spyder就在anaconda的库里不用再管，顿时萌生了好感 笑死）。

        打开anaconda的navigator，下载好最新的spyder（记得一开始下的不是最新的，应该只有3.3.6左右的版本，在搭好keras的gpu框架之后才出现了5的版本，），启动，改成中文（spyder4和5都有，但是修改的位置不同），复制粘贴代码，导入各种库，然后就能成功看到一堆报错，这是因为这些库还没有安装，再跑回navigator的environment里安装（网上会有不少教程说打开powershell用pip或者其他的命令行安装，只能说真是害我不浅，有些确实可以有些不行，但是能直接在navigator清爽的可视化界面里装何乐而不为呢？?)在迷迷糊糊装了十几个库之后，终于，我大彻大悟意识到我在干什么，库也装完了。

        这短短几行字其实包含了莫大的艰苦，（仿佛回到了刚上大学学c语言装vs的那一天，深刻理解了大学只能靠自己和自己找的资源。）csdn可以提供绝大多数碰到的问题的解决方案，前提是它存在的时间不超过两到三年，在版本更迭中，很多方案已经失去了它原本的效力，有时候甚至是库改了个缩写，你就找不到他了（印象很深的是一个sk-learn的库，当时找了好久，这也是为什么不用命令行装库的原因，这个powershell，它，只知道报错，坏的很。），在navigator中，鲜有搜不到的库，搜不到，说明改了名字，这时候就搜更少的字，比如sk-learn搜不到，就搜sk，或者learn，提取它的主要部分搜索，最后就在learn里找到了他改叫scikit-learn。这里就是举个例子说明你在上手时可能遇到的问题，善用csdn，可以解决很大一部分问题，但是你总会碰到新的报错，这时候就只能靠你的聪明才智或者身边的大佬帮忙了，但我当时组里只有两个混子，我熟悉的python大佬不熟悉深度学习，找他他只能告诉我确实是我的问题（或者spyder的问题，pytorch毕竟是我从未走过的道路），最后就自己摸索，找到解决方案，发在csdn上。

        发现现有的博客的错误，或者更新了旧的方法，记得写篇小小的博文，发在csdn上。当你开始记载你的历程，当你解决了一个“与时俱进”的报错并收获了点赞的时候，那种快乐，飘飘欲仙。

        用业余时间自学注定是一条不平坦的路，当它需要你投入大量完整的时间去思考的时候，你的心态会不一样，会质疑会退缩，会想跪下来求大佬，会在心里嘤嘤嘤，但是，想想你的初心呢，对我来说，我在学的东西真的很酷很牛很有未来，那么，学会它的我，也真的很酷很牛很有未来。