Just for Life.

背景：近期有较多的学弟学妹问我关于保研的事情，每次都回答一遍显得很累，所以整理在这里了，希望对学弟学妹有帮助。全文高能，歧视低学历（如我的外省二本院校），歧视高学历（如我之前的各种同学大多认为学历没用），这两类人自行忽略本文，没在一个世界。且，以下内容更多的针对我这种二本院校出身的，且身在热门专业的学生，如计算机、金融等。对于不是很热门的专业，或者211，985的学生可一笑而过。

最重要的：我校的大多专业都是一个专业只有一个保研名额，竞争激烈，且我校很多学院承认一些水平较低的论文，如国家级、省级的期刊，而这些论文是可以花钱买的，所以还请各位善良。多学学我，保研前一年丝毫没心思提成绩搞论文整比赛，反而天天在宿舍睡觉。二本双非的保研到211、985已经很不容易了，请不要再给他们添乱，把机会留给专业里真正有水平的人。

这可能也是我毕业设计的最终章了，由PyQt5创建两个线程，数据读取的线程负责读取Arduino发送的距离信息，主线程负责倒车雷达动画的实时显示。还是要认真一点，也算是给大学毕业一个交代。然而还不开学

在之前的学习深度学习的过程中，以MLP为例，仅仅是知道了梯度下降和反向传播能很好的降低预测误差(本文暂且不谈论梯度消失和爆炸的问题)，使得训练出来的模型能够对未知的数据进行预测或者分类，以此来达到智能的目的。

时至今日，意识到不求甚解释不好的行为，于是下决心搞懂梯度下降和反向传播的原理。结果上网一搜，呵，大部分tm的是各处偷来的截图，截图里还有三四个水印，最后胡乱的堆一些数学公式，讲解的并不够彻底，也不通俗易懂。于是本文决定图解反向传播和梯度下降，并配备必要的数学计算，使读者一目了然。

时至今日，早已忘记高中化学里面的熵代表什么，还好化学里的熵和我要研究的熵并非同一性质。在进坑DL中，遇到了许多和熵有关的概念，于是今天就彻底来扒一扒熵的有关概念和常用领域。包括：

1. 什么是熵
2. 条件熵
3. KL散度
4. 交叉熵

注：本篇文章默认读者有一定的求期望、计算联合概率分布、计算条件概率分布和知道什么是概率密度的基础知识。

承接上文，人傻就要多学习系列，在记录完git的常用方法后，又学习了github的灵魂功能pull request，是团队开发和开源必不可少的工具。

同样，本文没有任何截图，都是文字阐述，更像是我的个人笔记。对纯小白不是很友好，若不喜欢这类形式可以选择性关闭。

在PC端绘制倒车的动画，达到实时显示车辆的倒车情况的目的。如车辆倒退时，动画中的车辆也倒退，车辆左转时，动画也实时变化。使用的工具为QT(python)，做了一个如上形式的可视化界面。