百度parl框架学习感受

很久没有在csdn写博客了，因为所在地区的问题，csdn博客在过去有几年都无法访问，现在重新开始。

最近两个月，由于工作上的需要开始研究深度学习和强化学习，一并开始寻找可用的深度学习框架。最初的选择是在tensorflow和pytorch之间，因为它们是当前最流行的机器学习框架，网上资料比较多，学习和解决问题的成本最低，经过查询对比了两个框架的优缺点之后选择了pytorch，主要原因是它的使用较tensorflow简单，并且大有后来居上之势，作为一个小公司的初学者，先不考虑工业级部署什么的优势，能学会才是第一要务。

经过一段时间的学习，主要是每日下班之后抽业余时间学习和周六周日的学习，逐步掌握了pytorch的基本用法，此前对python并不熟悉，也没真正使用过numpy，多亏了现在网络发达，基本的解决方案网上一百度全都有，遇到的问题大家也都遇到过，也能很快解决。随着强化学习模型的建立和试验的进行，一个入行深度学习必然会遇到的问题如期而至，那就是算力问题。这个问题要说难那还真不能算难，最简单的堆钱就行了，可问题是我没钱，目前家里用的台式电脑是十多前配的，一块amd的cpu加19年升级的一块1050ti，平时不玩大型网游，开个idea、visual studio什么的就是慢点但也能带起来，而且主要工作场所是公司，电脑配置不错，i7cpu，32g内存，可显卡还不如1050，搞开发是完全够了，可是搞深度学习也只能用来学习，实际的模型训练那还是差的远了。由于搭建的各种神经网络模型效果要通过试验验证，不得不寻找一个更好的办法，就算向公司申请经费，由于企业性质的原因批下来那也到明年了，于是开始寻找更好的方案。

知乎上看到目前有些平台提供免费的gpu算力，包括国外的和国内的，国外的先不考虑，墙太麻烦，国内也有价格实惠的gpu服务器出租，注册了好几家免费试用了一下，gym环境安装全都有问题，试用时间有限，服务器重启又得重新开始，我也懒得去调环境了。同时稍前也在查百度开源的飞浆框架。他家提供的免费gpu算力很诱人，只是只支持自家的飞浆框架，为推广自家的框架而提供给你免费算力，这点无可厚非，无奈飞浆的学习资料太少，尤其是强化学习方面又不是主流，网上大概搜了一下关于paddlepaddle强化学习的代码资料屈指可数，作为一个初学者仅靠几篇一两年前的代码肯定是跑不起来的，所以想入飞浆的门也入不了啊。

就在无可赖何准备算了的时候，真是太太巧了，看到飞浆平台的官网推出一门强化学习的课程，使用的是百度自家的parl框架。三天后开课，线上直播，这对我来说真是好像老天安排好的一样太巧了，于是决定正式入飞浆的坑。 经过了一周多的学习，包括也学习了除parl框架之外的飞浆的基础用法，有老师带和两千多报名的小伙伴一起学，学起来是容易多了，你遇到的问题大概率大家也遇到了，比起一个人来解决效率高了很多。目前对飞浆技术上的使用只能说刚刚入门，但是对百度推广的飞浆平台尤其是parl还是有很多感受的。

谈谈这十多天的学习和使用感受。
优点:
1.框架本身不错，在有合适的学习资料的前提条件，上手使用也很快。
2.parl结构很清晰，模板一样，要适用于自己的业务稍加改造就可以。
3.百度的ai studio平台上有很多细分方向的课程，供不同阶段不同需求的开发者学习，比如这次我主要关注的是parl强化学习。
4.ai studio平台有很多写好的项目，既有官方提供的示例也有开发者自己写的项目开放给大家。
5.官方提供的在线课程班和课后答疑，包括课程的讨论群，讨论贴等等。
6.免费的cpu算力和半免费的gpu算力。
7.国产的，不多说。

以上优点我最看重的是第三第四点，当前来说再加上第六点。如果没有现成的教学，作为一个初学者是很难理解框架这样使用的意图和写法。作为一个开发者，大多数技术都是要靠自学完成，但自学的前提是要有学的资料，如果只有开源的代码，而没有或只有极少量使用介绍，就会把大量的初学者拒之门外。另外ai studio提供的现成能直接运行的代码对入门来说简直是不要太重要，回想当初学习pytorch强化学习和搭建gym环境时，也是折腾了很久，网上的代码可能是已经过时的代码也可能是截取的一部分，一个字母的错误都会造成程序无法运行，能直接运行的是少数。而ai studio上的代码就是直接在服务器上跑过的代码和环境，直接克隆环境运行就能跑起来，实在是很方便。

然后是缺点:
1.资料太少。

作为一个技术才刚刚入门的人只能从使用感受上来说，最主要的缺点还是学习资料太少，除了优点中提到的官网上的学习课程和官方社区外，网上关于飞浆框架的学习资料实在是太少，尤其是细分领域，比如强化学习方面，网上能搜到的资料寥寥无几，这一周参加直播课程小伙伴产生的资料可能比过去一两年自parl框架开源以来产生的资料还要多数倍。飞浆框架的流行程度远没有达到它应该有的水平，主要原因也是因为别的框架已经先入为主，失之毫厘缪以千里，如果别人的生态系统已经建好就算你花数倍的精力也是事倍功半。好在本轮人工智能的兴起才刚刚起步还远未达到终点，飞浆依然有很多机会，通过这次参加线上课程也看得出来百度对飞浆的推广越来越重视，路漫漫其修远兮，希望飞浆有一天能成为和tensorflow、pytorch分庭抗礼的框架，也希望国产的框架能越来越好。