1.網絡代碼怎么來的？
我想要實現一個功能，這個功能是輸入一張圖像，返回一個類別結果。
所以很明確就有三個部分，一個是接受圖像輸入，一個是處理圖像得到處理結果，一個是對處理結果判斷生成結果。
現在想要使這個功能更好更精確，所以需要改善中間的圖像處理部分，更夠更加精細的，更加準確的處理方法，以至于出現了數據預處理，特征提取，特征增強，特征融合，模型訓練等多個模塊。
這些模塊有機組合，就構成了一個神經網絡。與之對應的代碼就是網絡代碼。
必須要說明的是，網絡模塊與代碼是一一對應的。

2.怎么去讀代碼？
第一步要做的是弄清楚那一塊代碼對應哪一個模塊，輸入從哪里進，最后結果從哪里出，而不是直接上手，硬啃。一般而言，網上的代碼雖然注釋少，但基本大模塊的歸屬還是會標出來的。
第二步就是熟悉一些基本的python語言，比如要熟悉pytorch和tensorflow構建網絡的方法格式；還有像numpy的數據處理，tensor的格式轉換；if，for，while等語句使用方法。
第三步，生啃。這是必須經歷的事情，想要了解所有，就必須盡力一切。好在現在又ChatGPT等工具的幫助，可以快速的幫你完成這個過程。把所有不知道的地方給放到ChatGPT中，自己給代碼做一遍注釋。

3.運行代碼
即使你能看懂代碼了，代碼仍然存在很多問題或者bug。數據路徑，安裝包版本，日志存儲，等等。
在這個過程中，你要知道輸入的數據在那個地方處理，又進入到哪一個模塊，經過什么變化，得到什么結果。如果你能盯著數據在模型中走一遍，那么這段代碼對你來說，即使可以用了。
有一個技巧，就是用print打印你的數據，時刻觀察。當然也可以用Dbug，但不會用，你可以自己琢磨。

4.掌握
你可以想象得到，你的數據是怎么被處理，中間的過程，可視化一樣出現在你的腦海中。預處理部分怎么被剪切，然后縮放；特征提取中卷積怎么提取，池化怎么擴大感受野；特征增強怎么進行，注意力權重怎么提取，兩個矩陣怎么相乘；怎么把一個二維數據展成一維，怎么減少通道數，怎么歸一化；結果怎么輸出，損失函數怎么處理，網絡參數怎么更新。如果你能夠想象到這些，那么這個網絡你算是弄清楚了。就可以開始自己嘗試構建其他網絡或者自己更改模塊。