由于我现在做的一个小项目，需要用到图像识别，然后我找到了飞浆这个框架。在这7日打卡营中因为许多术语没有学习过，所以学习得很是艰难。但是因为前期从网络上学过一丁点前置知识，所以还算是可以看懂。

然后我就此总结出学习这个打卡营的前置条件：

第一：Python语言，不会Python基本上你是基本不可能入门的了的，因为现在做的项目都是以Python语言为基础，特别是关于对文件路径读写，文件的各种操作，比如转换格式，对图片的基本操作，还有字典、列表、类等等。身为Python基础不牢固的我，现在还是不可能脱离面向复制粘贴的编程。

第二：要会基本的linux原理与操作，因为百度项目的环境应该是以linux为底做的，路径操作和windows差别很大，如果不使用python去读取文件转移代码到win平台上会出现很多毛病。

第三：应该要提前了解一下‘机器学习’前置知识，比如什么是优化器、损失函数、测试集、训练集、数据的划分等等，以及他们之间的联系，不然在项目调优时会不知所措。

第四：你起码得是读了大一或者自学了高等数学、线性代数、概率论等等课程，不然数学将会是你学习的一大难题。

在前置条件基础有一些后，就可以跟着打卡营老师去学习了。学习过程中，飞浆的官方文档是理解项目代码的一个好工具，代码报错时，可以用一下百度翻译，不要遇到问题就去问群里的人，不然问清楚后，发现自己百度一下就可以得出的简单答案这就不应该了。

对于数据集，这次打卡营没有关于数据集制作的教程，不过大家不要忽略了，这个在自己去做项目的时候如果不清楚里面的结构是什么样子的，后面直接做不了。所以研究数据集的结构，自己尝试去制作数据集也是一门重要的课程。关于这个可以去飞浆文档去看看。

对于网络构建，我认为最主要是要先从网络结构去理解各个参数的意义，这样计算的时候才不会感到迷惑。比如输入数据是怎样的、经过一层网络后输出会有什么变化，最后一层输出该是什么，这个可以多多参考别人公开的项目。关于激活函数的选取，这个就需要自己去网络上查找答案了。

最最最重要的是要及时去参加老师发布的作业，经验都是要在直接参加项目之后自己去各种实践才能体会出来。