PaddlePaddle学习内容分享

课程内容

疫情期间，一次巧合的机会让我参加了百度PaddlePaddle7天打卡，7天打卡包括：
第一天：新冠肺炎数据可视化；
第二天：DNN手势识别；
第三天：车牌识别；
第四天：口罩分类；
第五天：PaddleHub体验及竞赛发布；
第六天：PaddleSlim模型压缩；
第七天：结束总结
通过7天的学习，让我对PaddlePaddle平台有了一个初步的了解，对API调用也有了比较深刻的体会。

第1天

包括以下两个任务：PaddlePaddle平台的安装以及数据可视化。

第2天

利用DNN模型对手势进行识别。
通过第二天的学习，加深了对模型调参的理解，对于模型调参可以通过如下的方式进行：
1.对神经网络隐藏层神经元的个数进行调节；
2.对激活函数进行调节；
3.对优化器进行调节；
4.增加网络训练的迭代次数；
5.增加网络的层数；
6.为了能够具有更好的鲁棒性，增加正则项、batch norm；
通过对网络结构进行调节，实验准确率在不断增加。

第3天

利用CNN进行车牌识别，相比于DNN，CNN对图像处理具有很好的性质，可以达到特别优秀的结果。

第4天

采用CNN模型对是否佩戴口罩进行分类。

第5天

发布了AI Studio基本操作，必备数学知识，Python零基础入门，PaddlePaddle快速入门以及介绍深度学习的课程。

第6天

PaddleSlim学习以及使用

感想

通过短暂的几天学习，拓宽了知识面，对于在校学生来说，在一定程度上了解了大公司都在做些什么，7天的课程能够比较好的带领大家进行入门，但是对于想要更加了解深度学习的学生来说，课程帮助不是很大，对于图神经网络，注意力机制等最新的介绍以及实现很少，对于理论的讲解也不是很多，如果有可能，可以增加一些论文实现，最新技术原理讲解以及实现的相关内容，但是无论如何该门课程还是很好的帮助了大家对于深度学习有了一个了解，特别是对于工程实现有了很大的帮助。
最后还有两门课程推荐以下：

EasyDL专业版和EasyDL基础版的学习，从图形化的角度对模型进行定制，但是平台还有一定的缺陷，比如必须将数据上传，不能下载自己标注的数据，平台可以满足大家了解深度学习的需求。

注：
博客图片来源于课程PPT。