表示学习

对于很多任务，我们很难知道应该提取哪些特征，例如，假如我们想编写一个程序来检测照片中的车，但是我们很难根据像素值来给车轮定义。解决这个问题的途径之一就是使用机器学习来发掘表示本身，而不仅仅把表示映射到输出，这种方法称为表示学习。

自编码器

表示学习的典型例子就是自编码器（autoencoder）。自编码器由一个编码器(encoder)函数和一个解码器(decoder)函数组成。编码器函数将输入数据转换为一种不同的表示，而解码器函数则将这个新的表示转换回原来的形式。我们希望当输入数据经过编码器和解码器之后尽可能多地保留原有信息，同时希望新的表示有更好的特征，这也是自编码器的训练目标。

P 480

https://zhuanlan.zhihu.com/p/39140472

因为需要要安装tensorflow1.13，但是anaconda的虚拟环境不好用。所以使用Docker

1

docker pull tensorflow/tensorflow

Docker Pull Command

1

docker run -it -rm -v $(realpath ~/notebooks):/tf/notebooks -p 8999:8888 tensorflow/tensrflow:latest-py3-jupyter

Run a jupyter notebook server with your own notebook directory (assumed here to be ~/notebooks).
To use it, navigate to localhost:8888 in you browers

学习seq to seq 的模型，先学会使用模型，把电信号数据修改成相匹配的格式，喂进模型去。

这是一个汉译英的demo。原始数据：

1
2
3
4
5
6

 inputs    targets
0     Hi.     \t嗨。\n
1     Hi.    \t你好。\n
2    Run.  \t你用跑的。\n
3   Wait!    \t等等！\n
4  Hello!    \t你好。\n

demo 定义的变量所代表的含义。

input_text len: 1000 type: list print(input_texts[1:5])
[‘Hi.’, ‘Run.’, ‘Wait!’, ‘Hello!’]

output_text len: 1000 type: list print(target_texts[1:5])
[‘\t你好。\n’, ‘\t你用跑的。\n’, ‘\t等等！\n’, ‘\t你好。\n’]

NUM_SAMPLES = 1000 样本的数量

input_characters 英文的总字符, list类型
target_characters 汉语的总字符, list类型
INUPT_LENGTH 30，最长的英语句子，1000个样本中，int类型
OUTPUT_LENGTH 22，最长的中文句子，1000个样本中，int类型
INPUT_FEATURE_LENGTH 73，英文的总字符数，int类型
OUTPUT_FEATURE_LENGTH 2623， 中文的总字符数，int类型

买了两块8.4V 电池。
用杜邦线串联起来。
电池还需要边冲边用。

收获

用杜邦线的时候用完表测一下线通不通。

在仪器上设置的采集周期无论是多少ms，最后保存的csv文件一分钟都是300个点。
检查了一下下位机的代码，发现可能是因为保存数据的数组在case语句里面，每次发送数据的时候没有全部更新。

采集植物电需要的频率：5HZ 或 10HZ

需要调试下位机。

MCGS 存储量有限

在交接文档里明确说明只能存储30000行数据，因此无法满足4个小时的数据采集。
所以需要写PC端的上位机