2024年Python最新百度AI进阶实战营第九期：机械手抓取，2024年最新Python面试相关文章及Github学习资料

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

第三步：数据准备

---

1.下载数据集

!wget -P data/ https://bj.bcebos.com/paddlex/examples2/robot_grab/dataset_manipulator_grab.zip #下载数据集

2.解压数据集

!cd ‘data’ && unzip -q dataset_manipulator_grab.zip #在data文件夹中解压数据集

3.将数据集转换为MSCOCO格式

!paddlex --data_conversion --source labelme --to MSCOCO --pics data/dataset_manipulator_grab/JPEGImages --annotations data/dataset_manipulator_grab/Annotations --save_dir dataset

4.使用paddlex进行数据切分

将训练集、验证集和测试集按照7：2：1的比例划分

!paddlex --split_dataset --format COCO --dataset_dir dataset --val_value 0.2 --test_value 0.1

数据文件夹切分前后的状态如下:

dataset/ dataset/

├── JPEGImages/ --> ├── JPEGImages/

├── annotations.json ├── annotations.json

├── test.json

├── train.json

├── val.json

第四步：保存Notebook并关闭、停止运行

---

Day 2

================================================================

第一步：重新安装环境

---

1.启动Notebook并打开

2.重新执行三条安装命令

第二步：模型训练

---

1.调用paddlex

import paddlex as pdxfrom paddlex import transforms as T

2.定义训练和验证时的transforms

API说明：https://github.com/PaddlePaddle/PaddleX/blob/release/2.0-rc/paddlex/cv/transforms/operators.py

train_transforms = T.Compose([ T.RandomResizeByShort( short_sizes=[640, 672, 704, 736, 768, 800], max_size=1333, interp=‘CUBIC’), T.RandomHorizontalFlip(), T.Normalize( mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])])

eval_transforms = T.Compose([ T.ResizeByShort( short_size=800, max_size=1333, interp=‘CUBIC’), T.Normalize( mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])])

3.定义训练和验证所用的数据集

API：https://github.com/PaddlePaddle/PaddleX/blob/develop/paddlex/cv/datasets/coco.py#L26

train_dataset = pdx.datasets.CocoDetection( data_dir=‘dataset/JPEGImages’, ann_file=‘dataset/train.json’, transforms=train_transforms, shuffle=True)eval_dataset = pdx.datasets.CocoDetection( data_dir=‘dataset/JPEGImages’, ann_file=‘dataset/val.json’, transforms=eval_transforms)

4.初始化模型

可使用VisualDL查看训练指标，参考https://github.com/PaddlePaddle/PaddleX/tree/release/2.0-rc/tutorials/train#visualdl可视化训练指标

num_classes = len(train_dataset.labels)model = pdx.det.MaskRCNN( num_classes=num_classes, backbone=‘ResNet50’, with_fpn=True)

5.训练参数配置，并开始训练

API说明：https://github.com/PaddlePaddle/PaddleX/blob/release/2.0-rc/paddlex/cv/models/detector.py#L155

各参数介绍与调整说明：https://paddlex.readthedocs.io/zh_CN/develop/appendix/parameters.html

model.train( num_epochs=10, train_dataset=train_dataset, train_batch_size=1, eval_dataset=eval_dataset, learning_rate=0.00125, lr_decay_epochs=[8, 11], warmup_steps=10, warmup_start_lr=0.0, save_dir=‘output/mask_rcnn_r50_fpn’, use_vdl=True)

第三步：保存Notebook并关闭、停止运行

---

Day 3

================================================================

第一步：重新安装环境

=====================================================================

1.启动Notebook并打开

2.重新执行三条安装命令

第二步：重新安装环境

=====================================================================

import glob

import numpy as np

import threading

import time

import random

import os

import base64

import cv2

import json

import paddlex as pdx

image_name = ‘dataset/JPEGImages/Image_20210615204210757.bmp’

（1）Python所有方向的学习路线（新版）

这是我花了几天的时间去把Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

最近我才对这些路线做了一下新的更新，知识体系更全面了。

（2）Python学习视频

包含了Python入门、爬虫、数据分析和web开发的学习视频，总共100多个，虽然没有那么全面，但是对于入门来说是没问题的，学完这些之后，你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。

（3）100多个练手项目

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了，只是里面的项目比较多，水平也是参差不齐，大家可以挑自己能做的项目去练练。

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！