小白的深度学习之路---飞桨深度学习学院

起始
首先介绍一下自己为何会接触到深度学习内容以及如何加入的课程吧。至于了解深度学习这个领域，就不用多提了，我还在读研，方向还未具体确定，不论是看网上各种信息，还是课上老师的引导，或多或少都会对这一方面的内容产生兴趣。最近在家没事干，更是想要更多学习了解一下，做做规划。正好有同学分享了一个深度学习的入门课程，就是今天要说的飞桨深度学院的七日入门打卡营，看了要求，最好对深度学习感兴趣且有过简单的了解以及有一定Python基础，这不就是为我量身打造的么！而且还是免费的，正好在家又有时间，这不就来了。
学习记录
一共七天，对深度学习、神经网络都做了介绍，还配了六个实战内容来练习，分别是数据可视化、手势识别、车牌识别、口罩识别、模型压缩、人流密度检测。接下来以口罩识别这个实例来记录一下自己的学习之路吧。为什么要记录这个呢，因为讲这节课的是人美声甜的小姐姐，哈哈！而且讲的特别细心，反正是把我这个小白给讲通了！对了，还得再提一下，课程班主任也是小姐姐啊~还时不时在群里发红包，据说可是花的自己嫁妆钱，哈哈，可怜的班班。o（＾∀＾）o

学习分两部分，一是每天晚上在b站的直播，二是课程文档、视频以及作业和比赛的发布平台–Baidu AI Studio。口罩识别这一部分，使用的是卷积神经网络-VGG16，VGG的核心是五组卷积操作，每两组之间做Max-Pooling空间降维。同一组内采用多次连续的3X3卷积，卷积核的数目由较浅组的64增多到最深组的512，同一组内的卷积核数目是一样的。卷积之后接两层全连接层，之后是分类层。由于每组内卷积层的不同，有11、13、16、19层这几种模型，下图展示的便是VGG16的网络结构。
实际操作中，调用的是GPU 版本的 PaddlePaddle 框架也就是飞桨。其中对于网络模型的构建，像我这样的小白，比较难理解的首先就是不同层之间通道数联系以及各种参数的传递，不过好在老师们都很耐心，总算有所收获。这里还要提到一点，在神经网络的训练过程中，计算量是巨大的，就拿口罩识别来说，输入图片大小调整为224224，网络结构为五层，每层用33的卷积核且通道数翻倍，最后的全连接层之前的维度为51277，我的电脑是跑不起来的。所以用的是课程平台提供的环境，16g显存的GPU，那是爽的不行啊。
学习收获
几天的学习呢，可以说达到了自己的期望值吧，首先对深度学习以及现在比较主流的神经网络结构及原理有了比较直观的认识。其次实践任务也是过了一把瘾，真正看到输出结果时，比如车牌识别、口罩识别，输出正确的预测结果是，心里的成就感还是满满的。总之，很好的一次体验啊。tip：据说，还有下期，报名学习啊！（抢班班嫁妆~）