paddlepaddle的实践课程

写在结业的尾巴

前言

作为一个电子专业出身的萌新，在毕业之后阴差阳错成为了一名cpp后端。在4年后，同样的机遇，我偶然间看到了飞桨在AI大赛中卓越的表现，去官网才知道有这么一个课程活动，大佬带队，全方面陪伴。久旱逢甘霖，平常听到"AI"、"算法"等平常觉得高大上的词汇，这里将不再陌生。

第一次接触

作为一个互联网时代的新兴程序员，在知乎和CSDN，乃至StackOverFlow都有听说过一些有关于神经网络的词汇，大多会理解一下。
但是，我发现自己仍然缺乏一个端到端的认识和理解。这门课提供了一系列经典的示例，源码都直接po出来了。让我一看就懂，配合强大的notebook系统（后期高级运行环境的紧张使用情况太真实了）一跑就通。

在这里我学到了AI的几个主要应用类别，分别是计算机视觉，计算机语音，自然语言处理，还有推荐算法等。

《预测房价》这个例子本身是一个非常好的线性数据集合，有历史数据可以验证。对于AI算法来说，模型又足够简单，关于梯度的计算以及前向后向传播都能很好的理解，说明课程设计者真的下了深功夫了。

在这一章，我明显地感受到了AI的真正流程是什么。

AI的一个标准工业应用步骤如下

• 数据处理，从本地或者网络读取数据并完成预处理，这里主要解决数据之间的兼容格式问题
• 模型设计，设计神经网络模型，这一块对loss的效果提升最显著，立竿见影
• 训练配置，选取合适的优化器与学习率，万事不决用adam
• 训练过程，迭代模型，计算参数并且优化，包括前向计算、损失函数、后向传播等三个步骤
• 模型保存，把模型保存下来，在需要预测时进行调用

之前我的感受是，AI仅仅是一个高阶模糊控制算法，给定一些历史数据，然后自动训练出一个高阶函数，这个函数内部的参数是自适应的；后期慢慢深入之后，才发现AI不仅仅是AI。

来了来了，CV

如果说上一章的目标是了解AI模型训练的几大步骤，在这一章，老师开始深入各个环境，带你全方位提升模型的效果，此时一些经典的CV应用场景尽在掌握，学完了这一章，我跃跃欲试，自己突然蹦出了一个idea,想信不久时日就能在paddlepaddle上实践出来了。

• 数据处理，封装成一个函数，使用多线程操作，完成数据的快速读取
• 模型设计
  • 网络结构, 采用更
  • 损失函数

最后

推销一波飞桨系列的链接，欢迎更多有兴趣的人一起来学习，一起把握未来。

AI Studio：https://aistudio.baidu.com/
飞桨官网：https://www.paddlepaddle.org.cn/
百度技术学院：http://bit.baidu.com/index