定位问题的方法

1. 定位问题，主要集中在性质，范围，位置。
   性质：问题的本质是什么。
   范围：问题的范围有多大。
   位置：问题出现在什么位置。
   原因：推测问题产生的原因。
   解决方法：根据推测的原因进行解决。
   例如：在定位程序中的bug，首先要清楚报错的提示是什么含义。
   eg: 报错提示： TypeError: ‘numpy.ndarray’ object is not callable
   ‘numpy.ndarray’ 对象不可调用
   问题的位置：对应程序相应的位置
   问题的范围：检查输入，输出。
   （1）检查输入，正常。
   （2）检查输出，输出变量名和函数名相同，那么循环调用时，就会错误地将变量当做函数。
   所以会提示’numpy.ndarray’ 对象不可调用。

canny= canny(Gaussphoto, 30, 90)

修改输出变量名：

Cannyphoto = canny(Gaussphoto, 30, 90)

   总结：

2. 合理地定位问题有利于高效地解决问题。
   注：如何推测问题产生的原因。
   1）要根据提示的问题做进一步分析，要列出所有可能导致问题产生的可能性，然后逐一排查。
   最有效的方式就是进行debug，这样可以进一步缩小问题的范围。
   2）通过问题的表象是推导问题表象产生的深层次原因，层层递推，也即5why法，通过不断地剖析，才能从根本上解决问题。浅尝辄止，终究会使问题浮于表面，思考质量也会大大降低。
   eg: 问题：FCM聚类算法运行一段时间，就会出现定义的分类数和最终的分类中心数目不一致。
   例如：假设需要进行3分类，结果最终的分类中心为[0.6, 0.2, 0.2]
   可能的原因：原因1：多次迭代导致
   问题1： 为啥多次迭代会导致这样的问题
   原因2：隶属度矩阵权值相同，即[0.5, 0.25, 0.25]
   问题2：为啥隶属度矩阵相同
   原因3：迭代过程中分类中心相同
   问题3：为啥迭代过程分类中心相同
   原因4：初始化隶属度矩阵时，对应的两类隶属度相同
   通过这样的层层分析，找到问题产生的根因，最终通过优化隶属度矩阵的方法，避免了两类隶属度相同的情况，问题得到解决。
   总结：遇到问题，要结合直觉和理性分析去解决，而不是盲目行动，这样可能会导致浪费大量的时间和精力。
   方案解决的标准：
   （1）是否可以彻底解决该问题。
   （2）解决问题的方法是否可行，是否满足要求。
   （3）解决问题的方式是否高效。