深度学习7日入门-CV疫情特辑结营心得-alading

2020/03/16 - 2020/08/31

使用PaddlePaddle进行深度学习

为期一周的深度学习训练营结束了，对每一个从头到尾参加了训练营的同学们收获肯定都是很多的。这次我就从以下几个方面总结一下心得和体会。
PaddlePaddle官网地址
百度AIStudio官网网址 现在有送GPU算力卡哦，比在我的小笔记本上跑速度真的快很多！
7日打卡营地址 课程可以长期反复学习的哦，因为是纯干货，如果是小白入门的话，听一遍肯定是不够的。

深度学习的方法

1、 基础不牢，地动山摇。 这是我最大的体会。深度学习并不是传统的C，C++以及其他一些语言的学习，跑通代码基本就知道大概什么意思的，而是一定要先搞懂原理，然后再进入模型代码进行理解，不然直接上代码，会叫你一头雾水，前期准备很重要。

2、必须要python语法和numpy库要很熟练，熟练的标准就是代码要多敲，多练习，python的列表，字典，元组出来一个就要立马能知道数据长什么样子，矩阵是几维的，每一维分别是什么东西等等（否则一些接口都调不起来，因为你不知道接口需要传入的参数长什么样子，返回的数据又要用什么数据去接等等），我是从C++转到Python来学习的，一开始认为应该没多大难度，毕竟C++这把屠龙刀都能耍的动，Python这种脚本语言应该没多大问题，但是看懂了和熟练了中间还是有很大差距。

3、理论和实践相结合。 我一开始先看的是吴恩达的视频，感觉外国人的课程重点都是最后抛出，前面一直给你不断不断的铺垫，我听吴恩达的课程最大的感受就是，他的每一句话我都能理解，听明白，但是视频看完了，我似乎又什么都不知道。（吴恩达的课还是很不错的，很多老师都推荐自己的学生看，我舍友看了一个学期。）后来陆陆续续看了百度的一些深度学习的课程。一下子就深入理解了深度学习中处理问题的流程和重点，我很喜欢做技术的人讲理论，很容易就能听到重点和痛点，最喜欢直接讲代码感觉自己就跟着大神一起在走，平时自己看半天都看不懂的代码，老师讲的过程中就感觉好像没有那么难了。整个学习完成后，理解了最简单的感知机,DNN,CNN,入门了简单地CV，会简单地调试代码。

4、不断的练习 我记得我的C++的老师说过，你的水平的高低在于你在这个领域坚持的长度，而不是看个人有多聪明，坚持比聪明往往要重要很多。在深度学习中，坚持无疑也是很重要的，不断的看一些论文，看一些模型，算参数，加强概率论知识，长期的坚持，能力才能一步一步的提上来。（话说从打卡营开始都今天结束，我整整一周没下楼了，每天虽然在家里，但却跟打仗一样，不得不说训练营里面的学习氛围真的很浓厚，这种氛围下人的进步速度是非常快的。就跟期末考试前一周的复习效率一样—一飞冲天。）

主要学习内容

day1: 新冠疫情可视化
day2: 手势识别
day3: 车牌识别
day4: 口罩分类
day5: 人流检测分类比赛
day6: paddlehub和paddleslim介绍与使用

每日学习总结

day1:新冠疫情可视化

请根据课上所学内容，爬取3月31日当天丁香园公开的统计数据，根据累计确诊数，使用pyecharts绘制疫情分布图，如下图所示，提交截图。Pycharts api可参考：https://pyecharts.org/#/zh-cn/

主要学习使用数据来画图，将数据表示在图上。

import json
import datetime
from pyecharts.charts import Map
from pyecharts import options as opts
from pyecharts.charts import Pie

# 读原始数据文件
today = datetime.date.today().strftime('%Y%m%d')   #20200331
datafile = 'data/'+ today + '.json'
with open(datafile, 'r', encoding='UTF-8') as file:
    json_array = json.loads(file.read())

# 分析全国实时确诊数据：'confirmedCount'字段
china_data = []
for province in json_array:
    china_data.append((province['provinceShortName'], province['confirmedCount']))
china_data = sorted(china_data, key=lambda x: x[1], reverse=True)                 #reverse=True,表示降序，反之升序

print(china_data)
# 全国疫情地图
# 自定义的每一段的范围，以及每一段的特别的样式。
pieces = [
    {
   'min': 10000, 'color': '#540d0d'},
    {
   'max': 9999, 'min': 1000, 'color': '#9c1414'},
    {
   'max': 999, 'min': 500, 'color': '#d92727'},
    {
   'max': 499,