------------------ 原始邮件 ------------------
发件人: "正心"<sinever@126.com>;
发送时间: 2020年6月10日(星期三) 晚上11:47
收件人: "刘文卓"<lwzbill@foxmail.com>;
抄送: "sig-ai-bigdata"<sig-ai-bigdata@openeuler.org>;
主题: [Sig-ai-bigdata] Re: 暑期2020项目提案-ID:2021218-华中科技大学-刘文卓
文卓你好。
很高兴你对这个项目已经有这样的认识，非常好。
不过，还可以再深入一些，比如打包确实可能难度很大，具体到打包的过程，哪里有可能成为项目的关键点，这个问题不用着急回答，可以随着了解打包过程、mlpack的编译思考。
另外，还有一些点需要考虑：
1.用mlpack实现神经网络算法的难度，提出使用不同的算法来训练模型是很好的，需要评估下每个算法的可行性与难度。
2.是否有aarch64的开发环境；
3.mlpack是否支持aarch64；
4.你在编译、使用aarch64的过程中如果遇到问题怎么办；
我看你的计划基本以周为单位，如果不同任务难度和工作量不同，应该相应的调节时间。
这次活动项目很多，有不同的开源项目，也有openeuler也提供了不同的项目，sig-ai-bigdata也一并发布了几个ai和bigdata的项目，欢迎推荐给身边的同学、朋友参与。
有时间我们可以电话聊一下，我的手机是15895997380.
祝好。
在 2020-06-08 09:28:31，"刘文卓" <lwzbill@foxmail.com> 写道：
sinever 老师您好,非常感谢您的指导！我正在准备报名材料，已经订阅了 tc, dev 和 sig-ai-bigdata 三个邮件列表。你认为这个项目可能的困难点是哪里。关于项目的困难点，我认为难度最大的部分可能是软件包的打包过程，我目前正在阅读 openEuler 社区的 打包指南，我会尽量让项目产出的软件包符合这个标准。Mlpack当前支持哪些AI算法。我查阅了 mlpack 的文档，发现它支持的AI算法真不少，其中我比较眼熟的有 KNN，KMeans，SVM，朴素贝叶斯，决策树，神经网络等算法。我选择 SVM，NN，CNN 这三种算法的原因是，我在 MNIST 数据集的 官网 上看到作者列出了几大类算法在 MNIST 上的表现。SVM，NN，CNN 占据了其中的大部分位置，它们的表现也非常优秀。我想选择这几种算法，应该会让模型的效果更有保证。对三种模型进行哪些指标的对比。我目前的想法是，对于模型的效果，我会比较准确率，F1-score；对于模型的性能，我会比较推理速度，内存占用。对于模型的训练，我会比较训练时间和收敛速度。感谢您提出的问题，让我对项目有了更深的理解。我根据问题对计划书进行了补充，附在附件中。祝工作顺利。刘文卓------------------ Original ------------------From: "sinever"<sinever@126.com>;Date: Thu, Jun 4, 2020 01:58 PMTo: "刘文卓"<lwzbill@foxmail.com>;
现在活动已经正式开始接受报名，欢迎通过官方网站https://isrc.iscas.ac.cn/summer2020/报名。
你对这个活动以及这个题目的目标理解的很到位，实际还有一个目的是让大家熟悉开源社区的玩法并参与到openeuler的实际开发中，所以欢迎你订阅 openeuler的邮件列表 dev@openeuler.org/tc@openeuler.org以及AI和BIGDATA这个sig的邮件列表sig-ai-bigdata@openeuler.org，https://openeuler.org/zh/community/mails.html，并通过邮件列表沟通(首先要注册gitee账号)。
看到你已经有一些linux、c、git、ai的经验，这对该项目很有帮助。
你可以先报名，同时先把环境搭建起来，资料看起来，前期的一些学习总结、经验、问题、操作步骤都可以记录下来，为后面的总结做准备。
有几个问题：
1． 你认为这个项目可能的困难点是哪里。
2． Mlpack当前支持哪些AI算法。
3． 对三种模型进行哪些指标的对比。
有问题我们随时再沟通。
