百度飞浆深度学习训练营小结

这是我参加的第一个线上学习打卡营，总体感觉非常充实，群里氛围特别活跃，有积极提问的初学者，也有热心回答的助教，印象最深刻的就是班主任和助教GT，仿佛让我觉得自己又回到了与学长学姐们一起跟导师做项目的时候，收获是满满的，希望未来有更多的类似活动。

闲话少说，总结一下学习心得。

一、拿来主义优先，先来个高大上的学习方法理论

三句话总结：

看授课视频形成概念，发现个人感兴趣方向。
读课程笔记理解细节，夯实工程实现的基础。
码课程作业实现算法，积累实验技巧与经验

我比较喜欢的方式是阅读文档和观看视频，paddle官方的文档做的很详细，从入门开始一步步十分详细，强烈大家先快速阅读一遍，有个大致了解，在脑袋中形成一个paddle的深度学习网络脑图，再根据练习慢慢的往里面添加枝叶，喜欢视频学习的小伙伴也可以从入门视频开始。我觉得《百度架构师手把手教深度学习》就很不错。实在不行还可以照着AI学习地图来。

 

二、实践为王

深度学习跟java，php，APP和前端开发不太一样，后者大部分业务逻辑都已经有成熟的框架和解决方案，简单的CRUD，复杂的设计模式考虑，业务逻辑处理，系统架构组成，安全性能考量等都与理论联系不多，更接近实践部分，经过两三年的工作一般都可以掌握。但深度学习并不是简单的跟着样板做几个demo，稍微调整一下参数，就可以说已经掌握，熟练使用了，可以说是入门是有门槛的。一个线性代数就把一大批没学过高数的人难住了，更不要提微积分极限概率等。

理论在深度学习实践中具有很重要的作用，比如如果搞不懂各种神经网络的概念，层级和输入输出，参数调整依据什么，损失和精度图像变化为什么那样等等。哪怕简单的输入数据变更也很难解决，全靠猜。所以我在做作业过程中，对于不理解的部分，反复的回看视频讲解直到弄懂。

理论部分还可以学习吴恩达大神的教程（利用这个特殊的假期刚过了一遍，打算重点回看）和cs231n课程（正在学习），配套一本入门深度学习书本。实践部分可以在ai studio上fork众多的分享案例，从简单到复杂的，一点点提高。最后可以试着参加比赛，感受氛围提升能力。

深度学习之工具配置jupyter管理多个conda环境,VMware ubuntu anaconda paddle 环境配置

飞桨深度学习学院零基础深度学习7日入门-CV疫情特辑学习笔记（一）预习课程

飞桨深度学习学院零基础深度学习7日入门-CV疫情特辑学习笔记（二）DAY01 新冠疫情可视化

paddlepadddle零基础深度学习7日入门-CV疫情特辑学习笔记（三）DAY02 手势识别

飞桨深度学习学院零基础深度学习7日入门-CV疫情特辑学习笔记（四）DAY03 车牌识别

飞桨深度学习学院零基础深度学习7日入门-CV疫情特辑学习笔记（五）DAY04 口罩识别