PaddlePaddle深度学习7日打卡营第五期心得

本期打卡营(CV专题)以疫情为主题，相比上一期实践性更强。

飞桨使用的体验和感受

飞桨更新到1.7版本了，对动态图的支持更加全面，在动态图中，paddlepaddle与numpy混合使用是非常舒服的，特别是可以实现一些paddlepaddle中本没有的算子，比如自定义学习率衰减和损失函数。

对深度学习有哪些新的认识？

这次打卡营学习了一些CV方面的理论知识，学习了一些经典的CNN模型特别是LeNet-5和VGG，在微信群的讨论中还发现原始的LeNet-5比上课讲的更复杂。另外，深度学习可以学到一些复杂的操作，比如可以直接输出一张图中有多少人。

学到了哪些硬核技术

第六天学到了PaddleSlim，通过裁剪和量化或NAS（Neural Architecture Search）来提高模型效率，这可以节省大量的时间，让我们更容易实现自己的想法。

比赛经验

Day 5发布了比赛——人流密度检测。我首先想到的是使用现有的模型，比较熟悉的是上次课学到的PaddleDetection，先把人框出来然后统计框的数目。数据集分为两种标注，直接训练一个模型存在漏标的情况，于是我用两种数据分别训练两个模型，由于使用PaddleDetection加上AI Studio的算力，我可以专心研究怎么融合两模型的结果。
直接将两模型结果相加是存在重复的，需要一个规则来减少重复，这时候可视化就特别重要，既可以看到有哪些重复，也可以将去重过程可视化。
选好去重策略后，有许多参数可以调节，这里我想到了遗传算法（Genetic Algorithm），使用训练集作为验证集，来寻找最优参数组合。
项目地址