我的跟着百度中科院大咖用飞桨paddlepaddle复现顶会论文之路

       疫情期间去不了学校，科研任务也没有那么大，一次在公众号里看到了百度的课程，亲身体验过之后真的是非常良心的课程，而且还是免费，无论是课程中认真负责的班主任，还是什么bug都能帮你解决的助教。论文复现营是我参加的第二门课程了，我的第一门课程是深度学习七日入门疫情特辑，在这门课程里我完成了很多有意思的小项目，包括车牌分类，手势识别，人流密度检测等等非常有意思的小实践，重要的是我将这些结合C++做成了APP，期望下一步我可以将这些部署到移动端。由于在第一门课程中我收获巨大，所以看到这次百度飞桨的第二次课程复现顶会论文毅然决然的决定参加，课程已经过去六天，收获确实非常多。所以如果你知道这门课程，没有理由拒绝。贴上这次的课程链接：https://aistudio.baidu.com/aistudio/education/group/info/1340。这次的课程主要是关于GAN对抗生成网络和视频分类，良心课程不要错过。

       在说课程之前我说一下百度飞桨paddlepaddle，跟tensorflow，Pytorch一样，是深度学习的一个框架，但是又跟tensorflow、pytorch不一样。在最开始使用Paddlepaddle的前三天，它的简洁性易用性让我惊叹，最重要的是百度还免费提供服务器使用。除了它的简洁性易用性之外，它的文档是非常清楚的。我在之前使用过tensorflow和pytorch,三者相比，对于入门深度学习的人来说，我推荐使用paddlepaddle。

在飞桨paddlepaddle课程的六天的时间里，我的收获还是非常大的。其中我对一篇GAN方向对抗生成网路的论文非常感兴趣。U-GAT-IT: Unsupervised Generative Attentional Networks with Adaptive Layer-Instance Normalization for Image-to-Image Translation。这是一篇无监督的对抗生成网络模型，主要是利用了一个自适应的归一化方式来进行图像到图像的转换任务。这篇论文主要做的工作有两个方面：

1. 实现了无监督图像的翻译问题，两个图像域间纹理和图像差别很大时的风格转换
2. 实现了相同的网络结构和超参数同时进行需要保持shape的图像翻译和需要改变shape的图像翻译任务。

论文中引入了新的可学习得归一化方法AdaLIN，目前课程正在进行中，我也正在跟着老师一步步复现这篇论文。这次得论文对我的收获还是挺大得，它提高了我的论文分析能力，让我对如何进行论文复现有了方向，我会继续跟着百度飞桨paddlepaddle一步步得学习下去。课程链接：https://aistudio.baidu.com/aistudio/education/group/info/1340。要是对深度学习有兴趣也可以加入，完全免费还提供GPU，老师讲课也非常得通俗易懂。