CNN

题主目前是太理软件大二学生。大一的时候沿着后段开发路线学习，已经掌握了java基础、MySQL、MVC架构、spring boot、mybatis、mybatisplus，还跟着看了一遍苍穹外卖，不过之后就没再继续学习了。本来接下来是要学redis、mq、Kafka这些的。但是大二刚开学，我发现走科技创新类有保研的机会，于是从大二开始学习CV方向的内容，现在跟着导师的计划学习小土堆的pytorch，也大概明白了卷积和transformer是怎么回事，而且越学越对CV算法感兴趣，都不想走开发路线了。我现在特别纠结，未来到底是选择开发路线好，还是CV路线好呢？我的规划是努力争取保研。感觉再学一阵CV算法就能拼凑出一篇文章了。然后要是找暑假实习的话，走开发岗应该没问题，可我现在又很想彻底转到CV算法方向，我不清楚剩下的空闲时间，是用来继续学习开发相关的内容好呢，还是一心钻研CV算法更好呢？求大佬拷打批评指正

金融时间序列预测方法合集：CNN、LSTM、随机森林、ARMA预测股票价格（适用于时序问题）、相似度计算、各类评判指标绘图（数学建模科研适用） 1.使用CNN模型预测未来一天的股价涨跌-CNN（卷积神经网络） 使用CNN模型预测未来一天的股价涨跌 数据介绍 open 开盘价；close 收盘价；high 最高价 low 最低价；volume 交易量；label 涨/跌 训练规模 特征数量×5；天数×5 = 5 × 5 卷积过程  最大池化过程  代码流程  获取股票数据 数据归一化 数据预处理（划分成5×5） 数据集分割（训练集和测试集） 定义卷积神经网络 评估预测模型  模型架构  码源链接...

深度学习基础入门篇[8]：：计算机视觉与卷积神经网络、卷积模型CNN综述、池化讲解、CNN参数计算 1.计算机视觉与卷积神经网络 1.1计算机视觉综述 计算机视觉作为一门让机器学会如何去“看”的学科，具体的说，就是让机器去识别摄像机拍摄的图片或视频中的物体，检测出物体所在的位置，并对目标物体进行跟踪，从而理解并描述出图片或视频里的场景和故事，以此来模拟人脑视觉系统。因此，计算机视觉也通常被叫做机器视觉，其目的是建立能够从图像或者视频中“感知”信息的人工系统。 计算机视觉技术经过几十年的发展，已经在交通（车牌识别、道路违章抓拍）、安防（人脸闸机、小区监控）、金融（刷脸支付、柜台的自动票据识别）、...