【百度训练营】paddlepaddle学习笔记

我本人不是计算机专业的，而是学医的，但是一直很关注信息技术，尤其是近年来人工智能不断与各行各业融合，取得了很多瞩目的成绩。一直很感兴趣人工智能在医疗中的应用，不过苦于基础知识有限，很难深入学习。正好百度有一个7日训练营项目，而且是零基础的，正好适合我这种自学成柴的小白，就报名参加了。

除去前两天python基础课程，这个训练营最核心的内容围绕《青春有你2》展开，包括计算机视觉领域的对选手照片智能识别，之后对iqiyi评论的抓取，清洗、分词、数据可视化等一整套数据分析流程，最后利用NLP技术进行情感分析。

整个内容对我本人来说有一定的难度，好在老师很负责，讲解的很到位，群里有很多高手，也很乐于分享，总之，是个很有挑战性，也愉快的过程，所以，我把每一天的学习内容都简要记录在博客中了day1, day2

这里主要展示一下学习成果

首先抓取了1000来张《青春有你2》选手的照片，使用ResNet50网络进行图像分类，可能是我老了吧，这几个选手傻傻分不清，而且时间比较紧张，数据集的质量不太好，验证集准确率78%左右，好在最后的5张测试图全部蒙对了 😃

也许，利用paddlehub的人脸检测模型，把所有样本的人脸检测出来，只用人脸数据进行分类，可能会更准确一些。不得不说，paddlehub的模型很丰富，已找到相应的检测模型，抽空会试试这个方法。

import paddlehub as hub
import cv2

face_detector = hub.Module(name="ultra_light_fast_generic_face_detector_1mb_640")
result = face_detector.face_detection(images=[cv2.imread('/PATH/TO/IMAGE')])
# or
# result = face_detector.face_detection((paths=['/PATH/TO/IMAGE'])

接下来是文本分析，抓取了1000多条评论数据，进行分词，以及词频分析，绘制了一张词云，就用AI作为背景吧

之后对评论进行违规检测，分析每条评论违规的概率，使用paddlehub很简单，几行代码就搞定了。

最后，我自己在aistudio中折腾，使用paddlehub提供的风格转换stylepro_artistic包，根据官网提供的api，gan出来一个小猫。

风格图片

原图

转换后图片

而且整个过程非常简单，不到10行

import paddlehub as hub
stylepro_artistic = hub.Module(name="stylepro_artistic")
result = stylepro_artistic.style_transfer(
    visualization =True,
    #alpha =0.6,
    paths=[{
        'content': 'test/3.jpg',
        'styles': ['test/cat_style2.jpg']
    }])

让我惊喜的是，除了通用的预训练模型，还有一些比较细分的模型，我是学医的，当然比较关注医学领域的应用。发现paddlehub竟然有一个肺炎检测的训练模型。我一直感觉，在医学领域，人工智能很长时间内很难取代医生，但是人工智能+医生的模式，会大大提高诊疗效率和精确程度，而且对于赋能基层医院，惠及偏远地区人民有很重要的意义。这个肺炎检测模型，让我仿佛看到了未来诊疗的情景。

未来已来，随着这些框架的易用性不断提高，人工智能必定会融入到我们工作、生活的方方面面，现在我们都说“互联网思维“，也许，是时候说，要有”人工智能“思维了。