Merge branch 'master' of https://gitee.com/maoxiaofeng7/machinelearning_notebook

0_python/1_Basics.ipynb

@@ -8,15 +8,6 @@
    ]
   },
   {
-   "cell_type": "code",
-   "execution_count": 1,
-   "metadata": {},
-   "outputs": [],
-   "source": [
-    "a = 10\n"
-   ]
-  },
-  {
    "cell_type": "markdown",
    "metadata": {},
    "source": [
@@ -279,7 +270,7 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "0?这是由于分子和分母都是整数，但是结果是一个浮点数，因此 返回整数值，通过将分子或分母更改为浮点型，可以获得正确的答案。"
+    "Python3版本之后，自动讲整数的除法转换成浮点数，这样和人类的直觉比较一致。"
    ]
   },
   {
@@ -1007,7 +998,7 @@
    "name": "python",
    "nbconvert_exporter": "python",
    "pygments_lexer": "ipython3",
-   "version": "3.6.8"
+   "version": "3.6.9"
   }
  },
  "nbformat": 4,

0_python/2_Print_Statement.ipynb

@@ -4,14 +4,14 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "# Print 语句"
+    "# Print 函数"
    ]
   },
   {
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "**print** 语句可以用下列不同的方式使用。\n",
+    "`print` 是Python内置的一个函数，可以用下列不同的方式使用。\n",
     "\n",
     "    - print(\"Hello World\")\n",
     "    - print(\"Hello\", <Variable Containing the String>)\n",
@@ -87,7 +87,7 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "字符串可以分配给变量 _string1_ 和string2，使用print语句时可以调用。"
+    "字符串可以分配给变量 _string1_ 和string2，使用`print`语句时可以调用。"
    ]
   },
   {
@@ -175,7 +175,7 @@
     "    - %x -> Hexadecimal\n",
     "    - %e -> exponential\n",
     "   \n",
-    "这可以用于print语句本身内部的转换。"
+    "这可以用于`print`函数本身内部的转换。"
    ]
   },
   {
@@ -579,7 +579,7 @@
    "name": "python",
    "nbconvert_exporter": "python",
    "pygments_lexer": "ipython3",
-   "version": "3.6.8"
+   "version": "3.6.9"
   }
  },
  "nbformat": 4,

0_python/3_Data_Structure_1.ipynb

@@ -591,7 +591,7 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "。在一个有字符串作为元素的列表中，**max( )** 和 **min( )** 是可以应用的。**max( )**  会返回一个ASCII码最高的元素而最低的元素会在使用**min( )** 返回。注意，每次只考虑每个元素的第一个索引，如果它们的值相同，则考虑第二个索引，依此类推。"
+    "在一个有字符串作为元素的列表中，**max( )** 和 **min( )** 可以使用。**max( )**  会返回一个ASCII码最大的元素而最小的元素会在使用**min( )** 返回。注意，每次只考虑每个元素的第一个索引，如果它们的值相同，则考虑第二个索引，依此类推。"
    ]
   },
   {
@@ -1213,7 +1213,7 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "大多数新的python程序员都会犯这个错误。考虑以下,"
+    "大多数新的python程序员都会犯这个错误，即对象的赋值和拷贝的差异。考虑以下的例子："
    ]
   },
   {
@@ -1292,7 +1292,7 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "虽然没有对listb执行任何操作，但它也发生了变化。这是因为您将lista的内存空间分配给了listb。那么如何解决这个问题呢?\n",
+    "虽然没有对listb执行任何操作，但它也发生了变化。这是因为您将lista、listb指向相同的内存空间。那么如何解决这个问题呢?\n",
     "\n",
     "如果您还记得，在切片中我们已经看到parentlist[a:b]从父列表返回一个起始索引a和结束索引b的列表，如果a和b没有被提及，那么默认情况下它会考虑第一个和最后一个元素。我们在这里使用相同的概念。通过这样做，我们将lista的数据作为变量分配给listb。"
    ]
@@ -1366,6 +1366,13 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
+    "还有其他什么方法能够拷贝一个对象到一个新的变量名字？"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
     "## 2. 元组"
    ]
   },
@@ -1373,7 +1380,7 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "元组与列表相似，但唯一大的区别是列表中的元素可以更改，而元组中的元素不能更改。把元组想象成对特定的东西为True，而对其他任何值都不为True。为了更好地理解，请回忆**divmod()** 函数。"
+    "元组与列表相似，但唯一大的区别是列表中的元素可以更改，而元组中的元素不能更改。为了更好地理解，请回忆**divmod()** 函数。"
    ]
   },
   {
@@ -1995,7 +2002,7 @@
    "name": "python",
    "nbconvert_exporter": "python",
    "pygments_lexer": "ipython3",
-   "version": "3.6.8"
+   "version": "3.6.9"
   }
  },
  "nbformat": 4,

0_python/3_Data_Structure_1_EN.ipynb

@@ -1991,7 +1991,7 @@
    "name": "python",
    "nbconvert_exporter": "python",
    "pygments_lexer": "ipython3",
-   "version": "3.6.8"
+   "version": "3.6.9"
   }
  },
  "nbformat": 4,

0_python/4_Data_Structure_2.ipynb

@@ -799,7 +799,7 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "字典更像数据库，因为在这里您可以用用户定义的字符串索引特定的序列。"
+    "字典更像数据库，因为在这里你可以用用户定义的字符串索引特定的序列。"
    ]
   },
   {
@@ -1172,7 +1172,7 @@
    "name": "python",
    "nbconvert_exporter": "python",
    "pygments_lexer": "ipython3",
-   "version": "3.6.8"
+   "version": "3.6.9"
   }
  },
  "nbformat": 4,

0_python/5_Control_Flow.ipynb

@@ -685,7 +685,7 @@
    "name": "python",
    "nbconvert_exporter": "python",
    "pygments_lexer": "ipython3",
-   "version": "3.6.8"
+   "version": "3.6.9"
   }
  },
  "nbformat": 4,

0_python/6_Function.ipynb

@@ -11,14 +11,7 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "在大部分时候，在一个算法中，语句是不断重复的，一次又一次地执行相同的语句是一项乏味的工作，而且会消耗大量的内存，效率不高。这个时候我们就需要函数。"
-   ]
-  },
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": [
-    "这是一个函数的基本语法"
+    "在大部分时候，在一个算法中，需要重复执行一组语句，如果每次都重复写出来，不仅乏味而且编程效率比较低，降低程序的可读性。为了将重复的执行抽象出来，可使用函数将一组操作封装成一个整体，给一个名称和参数列表作为可变量的输入。Python中函数的定义为："
    ]
   },
   {
@@ -41,7 +34,7 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "将上面的语法理解为，定义了一个名为“funcname”的函数，它接受“arg1,arg2，…argN”的论点。函数被记录为“文档字符串”。函数在执行语句后返回一个“值”。"
+    "将上面的语法理解为，定义了一个名为“funcname”的函数，它接受“arg1,arg2，…argN”的参数。函数在执行语句后返回一个“值”。"
    ]
   },
   {
@@ -109,7 +102,7 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "**firstfunc()** 每一次只打印一个人的消息。我们可以让我们的函数 **firstfunc()** 接受参数，该参数将存储名称然后打印相应地接受名词。为了这样做我们需要像所示的那样在函数内添加一个参数。"
+    "**firstfunc()** 每一次只打印一个人的消息。我们可以让我们的函数 **firstfunc()** 接受参数，该参数将存储名称然后打印相应地接受字符串。为了这样做我们需要像所示的那样在函数内添加一个参数。"
    ]
   },
   {
@@ -734,7 +727,7 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "这些小函数没有使用任何名称定义，只携带一个表达式，返回其结果。Lambda函数在操作列表时非常方便。这些函数由关键字**lambda**定义，后面跟着变量、冒号和相应的表达式。"
+    "程序中有时需要临时使用一个简单的函数，单独定义出来比较费事，为了提高编程效率，Python等很多语言引入了`Lambda`函数，这些Lambda函数没有使用任何名称定义，只携带一个表达式，返回的是函数本身（类似函数指针或者函数对象）。Lambda函数在操作列表时非常方便。这些函数由关键字**lambda**定义，后面跟着变量、冒号和相应的表达式。"
    ]
   },
   {
@@ -1067,7 +1060,7 @@
    "name": "python",
    "nbconvert_exporter": "python",
    "pygments_lexer": "ipython3",
-   "version": "3.6.8"
+   "version": "3.6.9"
   }
  },
  "nbformat": 4,

0_python/7_Class.ipynb

@@ -11,7 +11,7 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "Python中的变量、列表、字典等都是对象。不涉及面向对象编程的理论部分，在本教程中对概念进行解释。"
+    "Python中的变量、列表、字典等其实都是对象。不涉及面向对象编程的理论部分，在本教程中对概念进行解释。"
    ]
   },
   {
@@ -114,7 +114,7 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "大多数类都有一个名为“\\_\\_init\\_\\_”的函数。这些被称为魔术方法。在这个方法中，你基本上初始化了这个类的变量，或者任何适用于这个方法中指定的所有方法的初始化算法。类中的变量称为属性。"
+    "大多数类都有一个名为`__init__`的函数。这些被称为魔术方法。在这个方法中，你基本上初始化了这个类的变量，或者任何适用于这个方法中指定的所有方法的初始化算法。类中的变量称为属性。"
    ]
   },
   {
@@ -123,7 +123,7 @@
    "source": [
     "这有助于简化实例的初始化过程。例如,\n",
     "\n",
-    "在不使用魔法方法或被成为构造函数的\\_\\_init\\_\\_ 的情况下，我们必须定义一个**init()** 方法并调用**init()** 函数。"
+    "在不使用魔法方法或被成为构造函数的`__init__`的情况下，我们必须定义一个**init()** 方法并调用**init()** 函数。"
    ]
   },
   {
@@ -152,16 +152,16 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "但是当构造函数被定义后，\\_\\_init\\_\\_被调用，这样初始化实例被创建。"
+    "但是当构造函数被定义后，`__init__`被调用，这样初始化实例被创建。"
    ]
   },
   {
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "我们构造我们的\"FirstClass\"去接受两个变量名称和符号。\n",
+    "我们构造我们的`FirstClass`去接受两个变量名称和符号。\n",
     "\n",
-    "我将会在稍后解释\"self\"。"
+    "我将会在稍后解释`self`。"
    ]
   },
   {
@@ -181,7 +181,7 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "现在我们已经定义了一个函数而且添加了\\_\\_init\\_\\_方法。我们可以创建一个名为FirstClass的实例，该实例现在接受两个参数。"
+    "现在我们已经定义了一个函数而且添加了`__init__`方法。我们可以创建一个名为FirstClass的实例，该实例现在接受两个参数。"
    ]
   },
   {
@@ -599,9 +599,9 @@
    "source": [
     "就像我们前面看到的全局变量和局部变量一样，即使类也有自己的变量类型。\n",
     "\n",
-    "类属性:在方法外部定义的属性，适用于所有实例。\n",
+    "**类属性**:在方法外部定义的属性，适用于所有实例。\n",
     "\n",
-    "实例属性:在方法内部定义的属性，只适用于该方法，并且对每个实例都是唯一的。"
+    "**实例属性**:在方法内部定义的属性，只适用于该方法，并且对每个实例都是唯一的。"
    ]
   },
   {
@@ -773,23 +773,23 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "在某些情况下，新类可能具有已定义类以前的所有特征。因此，新类可以“继承”前一个类，并向其添加自己的方法。这称为继承。"
+    "在某些情况下，新类需要具有已定义类的所有特征。因此，新类可以“继承”前一个类，并向其添加自己的方法，这称为继承。"
    ]
   },
   {
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "考虑类SoftwareEngineer具有薪水的方法。"
+    "考虑类Person类具有薪水的方法。"
    ]
   },
   {
    "cell_type": "code",
-   "execution_count": 38,
+   "execution_count": 2,
    "metadata": {},
    "outputs": [],
    "source": [
-    "class SoftwareEngineer:\n",
+    "class Person:\n",
     "    def __init__(self,name,age):\n",
     "        self.name = name\n",
     "        self.age = age\n",
@@ -800,16 +800,16 @@
   },
   {
    "cell_type": "code",
-   "execution_count": 39,
+   "execution_count": 3,
    "metadata": {},
    "outputs": [],
    "source": [
-    "a = SoftwareEngineer('Kartik',26)"
+    "a = Person('Kartik',26)"
    ]
   },
   {
    "cell_type": "code",
-   "execution_count": 40,
+   "execution_count": 4,
    "metadata": {},
    "outputs": [
     {
@@ -826,7 +826,7 @@
   },
   {
    "cell_type": "code",
-   "execution_count": 41,
+   "execution_count": 5,
    "metadata": {},
    "outputs": [
     {
@@ -844,6 +844,7 @@
        " '__gt__',\n",
        " '__hash__',\n",
        " '__init__',\n",
+       " '__init_subclass__',\n",
        " '__le__',\n",
        " '__lt__',\n",
        " '__module__',\n",
@@ -860,13 +861,13 @@
        " 'salary']"
       ]
      },
-     "execution_count": 41,
+     "execution_count": 5,
      "metadata": {},
      "output_type": "execute_result"
     }
    ],
    "source": [
-    "dir(SoftwareEngineer)"
+    "dir(Person)"
    ]
   },
   {
@@ -979,21 +980,9 @@
    "cell_type": "code",
    "execution_count": 6,
    "metadata": {},
-   "outputs": [
-    {
-     "ename": "NameError",
-     "evalue": "name 'SoftwareEngineer' is not defined",
-     "output_type": "error",
-     "traceback": [
-      "\u001b[0;31m---------------------------------------------------------------------------\u001b[0m",
-      "\u001b[0;31mNameError\u001b[0m                                 Traceback (most recent call last)",
-      "\u001b[0;32m<ipython-input-6-9b78404b36d6>\u001b[0m in \u001b[0;36m<module>\u001b[0;34m\u001b[0m\n\u001b[0;32m----> 1\u001b[0;31m \u001b[0;32mclass\u001b[0m \u001b[0mArtist\u001b[0m\u001b[0;34m(\u001b[0m\u001b[0mSoftwareEngineer\u001b[0m\u001b[0;34m)\u001b[0m\u001b[0;34m:\u001b[0m\u001b[0;34m\u001b[0m\u001b[0;34m\u001b[0m\u001b[0m\n\u001b[0m\u001b[1;32m      2\u001b[0m     \u001b[0;32mdef\u001b[0m \u001b[0martform\u001b[0m\u001b[0;34m(\u001b[0m\u001b[0mself\u001b[0m\u001b[0;34m,\u001b[0m \u001b[0mjob\u001b[0m\u001b[0;34m)\u001b[0m\u001b[0;34m:\u001b[0m\u001b[0;34m\u001b[0m\u001b[0;34m\u001b[0m\u001b[0m\n\u001b[1;32m      3\u001b[0m         \u001b[0mself\u001b[0m\u001b[0;34m.\u001b[0m\u001b[0mjob\u001b[0m \u001b[0;34m=\u001b[0m \u001b[0mjob\u001b[0m\u001b[0;34m\u001b[0m\u001b[0;34m\u001b[0m\u001b[0m\n\u001b[1;32m      4\u001b[0m         \u001b[0mprint\u001b[0m\u001b[0;34m(\u001b[0m\u001b[0mself\u001b[0m\u001b[0;34m.\u001b[0m\u001b[0mname\u001b[0m\u001b[0;34m,\u001b[0m\u001b[0;34m\"is a\"\u001b[0m\u001b[0;34m,\u001b[0m \u001b[0mself\u001b[0m\u001b[0;34m.\u001b[0m\u001b[0mjob\u001b[0m\u001b[0;34m)\u001b[0m\u001b[0;34m\u001b[0m\u001b[0;34m\u001b[0m\u001b[0m\n",
-      "\u001b[0;31mNameError\u001b[0m: name 'SoftwareEngineer' is not defined"
-     ]
-    }
-   ],
+   "outputs": [],
    "source": [
-    "class Artist(SoftwareEngineer):\n",
+    "class Artist(Person):\n",
     "    def artform(self, job):\n",
     "        self.job = job\n",
     "        print(self.name,\"is a\", self.job)"
@@ -1003,19 +992,7 @@
    "cell_type": "code",
    "execution_count": 7,
    "metadata": {},
-   "outputs": [
-    {
-     "ename": "NameError",
-     "evalue": "name 'Artist' is not defined",
-     "output_type": "error",
-     "traceback": [
-      "\u001b[0;31m---------------------------------------------------------------------------\u001b[0m",
-      "\u001b[0;31mNameError\u001b[0m                                 Traceback (most recent call last)",
-      "\u001b[0;32m<ipython-input-7-1c7e054a8f0c>\u001b[0m in \u001b[0;36m<module>\u001b[0;34m\u001b[0m\n\u001b[0;32m----> 1\u001b[0;31m \u001b[0mc\u001b[0m \u001b[0;34m=\u001b[0m \u001b[0mArtist\u001b[0m\u001b[0;34m(\u001b[0m\u001b[0;34m'Nishanth'\u001b[0m\u001b[0;34m,\u001b[0m\u001b[0;36m21\u001b[0m\u001b[0;34m)\u001b[0m\u001b[0;34m\u001b[0m\u001b[0;34m\u001b[0m\u001b[0m\n\u001b[0m",
-      "\u001b[0;31mNameError\u001b[0m: name 'Artist' is not defined"
-     ]
-    }
-   ],
+   "outputs": [],
    "source": [
     "c = Artist('Nishanth',21)"
    ]
@@ -1068,7 +1045,7 @@
   },
   {
    "cell_type": "code",
-   "execution_count": 49,
+   "execution_count": 8,
    "metadata": {},
    "outputs": [
     {
@@ -1094,11 +1071,11 @@
   },
   {
    "cell_type": "code",
-   "execution_count": 50,
+   "execution_count": 9,
    "metadata": {},
    "outputs": [],
    "source": [
-    "class Artist(SoftwareEngineer):\n",
+    "class Artist(Person):\n",
     "    def artform(self, job):\n",
     "        self.job = job\n",
     "        print(self.name,\"is a\", self.job)\n",
@@ -1146,11 +1123,11 @@
   },
   {
    "cell_type": "code",
-   "execution_count": 56,
+   "execution_count": 10,
    "metadata": {},
    "outputs": [],
    "source": [
-    "class emptylist:\n",
+    "class EmptyList:\n",
     "    def __init__(self):\n",
     "        self.data = []\n",
     "    def one(self,x):\n",
@@ -1163,16 +1140,16 @@
   },
   {
    "cell_type": "code",
-   "execution_count": 57,
+   "execution_count": 11,
    "metadata": {},
    "outputs": [],
    "source": [
-    "xc = emptylist()"
+    "xc = EmptyList()"
    ]
   },
   {
    "cell_type": "code",
-   "execution_count": 59,
+   "execution_count": 12,
    "metadata": {},
    "outputs": [
     {
@@ -1331,7 +1308,7 @@
    "name": "python",
    "nbconvert_exporter": "python",
    "pygments_lexer": "ipython3",
-   "version": "3.6.8"
+   "version": "3.6.9"
   }
  },
  "nbformat": 4,

README.md

@@ -1,8 +1,8 @@
 # 机器学习
 
-本教程主要讲解机器学习的基本原理与实现，通过本教程的引导来快速学习Python、Python常用库、机器学习的理论知识与实际编程，并学习如何解决实际问题。
+机器学习越来越多应用到飞行器、机器人等领域，其目的是利用计算机实现类似人类的智能，从而实现装备的智能化与无人化。本课程旨在引导学生掌握机器学习的基本知识、典型方法与技术，通过具体的应用案例激发学生对该学科的兴趣，鼓励学生能够从人工智能的角度来分析、解决飞行器、机器人所面临的问题和挑战。本课程主要内容包括Python编程基础，机器学习模型，无监督学习、监督学习、深度学习基础知识、实际编程，并学习如何解决实际问题。
 
-由于**本课程需要大量的编程练习才能取得比较好的学习效果**，因此需要认真去完成[作业和报告](https://gitee.com/pi-lab/machinelearning_homework)，写作业的过程可以查阅网上的资料，但是不能直接照抄，需要自己独立思考并独立写出代码。
+由于**本课程需要大量的编程练习才能取得比较好的学习效果**，因此需要认真去完成[《机器学习-作业和报告》](https://gitee.com/pi-lab/machinelearning_homework)，写作业的过程可以查阅网上的资料，但是不能直接照抄，需要自己独立思考并独立写出代码。
 
 ![Machine Learning Cover](images/machine_learning.png)
 
@@ -69,11 +69,15 @@
 
 
 ## 2. 学习的建议
-1. 为了更好的学习本课程，需要大家把Python编程的基础能力培养好，这样后续的机器学习方法学习才比较扎实。
-2. 每个课程前部分是理论基础，然后是代码实现。个人如果想学的更扎实，可以自己把各个方法的代码亲自实现一下。做的过程尽可能自己想解决办法，因为重要的学习目标不是代码本身，而是学会分析问题、解决问题的能力。
+1. 为了更好的学习本课程，需要大家把Python编程能力培养好，通过做一定数量的练习题、小项目培养Python编程思维，这样后续的机器学习理论与实践才能学的比较扎实。
+2. 每个课程前半部分是理论基础，后半部分是代码实现。如果想学的更扎实，可以自己把各个方法的代码亲自实现一下。做的过程尽可能自己想解决办法，因为最重要的目标不是代码本身，而是学会分析问题、解决问题的能力。
+3. **不能直接抄已有的程序，或者抄别人的程序**，如果自己不会要自己去想，去找解决方法，或者去问。如果直接抄别人的代码，这样的练习一点意义都没有。**如果感觉太难，可以做的慢一些，但是坚持自己思考、自己编写练习代码**。。
+4. **请先遍历一遍所有的文件夹，了解有什么内容，资料**。各个目录里有很多说明文档，如果不会先找找有没有文档，如果找不到合适的文档就去网上找找。通过这个过程锻炼自己搜索文献、资料的能力。
+5. 本课程的练习题最好使用[Linux](https://gitee.com/pi-lab/learn_programming/blob/master/6_tools/linux)以及Linux下的工具来做。逼迫自己使用[Linux](https://gitee.com/pi-lab/learn_programming/blob/master/6_tools/linux)，只有多练、多用才能快速进步。如果实在太难，先在虚拟机里装一个Linux（例如Ubuntu，或者LinuxMint等），先熟悉一下。但是最终需要学会使用Linux。
 
 
-## 3. 其他参考资料
+
+## 3. 参考资料
 * 资料速查
   * [相关学习参考资料汇总](References.md)
   * [一些速查手册](tips/cheatsheet)
@@ -98,13 +102,12 @@
   * [Markdown——入门指南](https://www.jianshu.com/p/1e402922ee32)
 
 
-## 4. 相关学习资料参考
+
+## 4. 相关学习资料与参考
 
 在上述内容学习完成之后，可以进行更进一步机器学习、计算机视觉方面的学习与研究，具体的资料可以参考：
-1. [《一步一步学编程》](https://gitee.com/pi-lab/learn_programming)
-2. 智能系统实验室-培训教程与作业
+1. 编程是机器学习研究、实现过程非常重要的能力，编程能力弱则无法快速试错，导致研究进度缓慢；如果编程能力强，则可以快速试错，快速编写实验代码等。强烈建议大家在学习本课程之后或之中，好好把数据结构、算法等基本功锻炼一下。具体的教程可以参考[《一步一步学编程》](https://gitee.com/pi-lab/learn_programming)
+2. 智能系统实验室-培训教程与作业：这个教程是实验室积累的机器学习与计算机视觉方面的教程集合，每个课程介绍基本的原理、编程实现、应用方法等资料，可以作为快速入门的学习材料。
     - [《智能系统实验室-暑期培训教程》](https://gitee.com/pi-lab/SummerCamp)
     - [《智能系统实验室-暑期培训作业》](https://gitee.com/pi-lab/SummerCampHomework)
-3. [《智能系统实验室研究课题》](https://gitee.com/pi-lab/pilab_research_fields)
-4. [《编程代码参考、技巧集合》](https://gitee.com/pi-lab/code_cook)
-    - 可以在这个代码、技巧集合中找到某项功能的示例，从而加快自己代码的编写
+3. [《编程代码参考、技巧集合》](https://gitee.com/pi-lab/code_cook)：可以在这个代码、技巧集合中找到某项功能的示例，从而加快自己代码的编写

References.md

@@ -7,10 +7,14 @@
 
 ## References
 
+* 22 个神经网络结构设计/可视化工具
+	- https://www.toutiao.com/i6836884346155041292/
+	- https://github.com/ashishpatel26/Tools-to-Design-or-Visualize-Architecture-of-Neural-Network
+
 * CNN 可视化工具 https://m.toutiaocdn.com/group/6822123587156050435
 	- https://poloclub.github.io/cnn-explainer/
 	- https://github.com/poloclub/cnn-explainer
-
+	
 * 一款图像转卡通的Python项目，超级值得你练手
 	- https://www.toutiao.com/a6821299115175969287/
 	- https://github.com/minivision-ai/photo2cartoon

tips/python/README.md

@@ -1,7 +1,7 @@
 # Pyton技巧
 
 
-## Python的包管理工具: `pip`
+## 1. Python的包管理工具: `pip`
 由于python是模块化的开发，因此能够能够利用其他人写的现成的包来快速的完成特定的任务。为了加快包的安装，python有很多包管理的工具，其中`pip`是目前使用最多的包管理工具。
 
 * [pip的安装、使用等](pip.md)
@@ -9,7 +9,7 @@
 但是由于直接使用pip去访问国外的网站慢，所以需要设置好pip的镜像，从而加快包的安装
 
 
-## Python的虚拟环境： `virtualenv`
+## 2. Python的虚拟环境： `virtualenv`
 由于Python可以通过`pip`工具方便的安装包，因此极大的加快了程序编写的速度。但由于公开的包很多，不可避免的带来了包依赖导致的无法安装某些程序的问题。针对这个问题可以使用`docker`来构建一个隔离的环境来安装所需要的包，但有的时候还是希望在本机安装，因此需要使用`virtualenv`工具来安装虚拟的python环境。
 
 * [virtualenv的安装、使用](virtualenv.md)