百度飞桨论文复现训练营笔记1

需要复现的论文涉及到torch模型到paddle模型的转换，才开始了解到百度智能云平台。在过去我对它的认识仅集中在调用人家写好的接口实现功能，这次的任务是通过学习训练营课程去复现一篇论文，其中就涉及到模型的转换。
一
1.基础知识学习——什么是深度学习？
1.1图灵测试
什么是人工智能，如何衡量一个机器具有了智能
1.2医学上的发现
人的视觉系统处理信息是分级的。也就是说高层的特征是低层特征的组合，从低层到高层的特征表达越来越抽象和概念化，也即越来越能表现语义或者意图。

1.3DeepLearning的出现
低层次特征 - - - - (组合) - - ->抽象的高层特征
二、 机器学习
机器学习是实现人工智能的一种手段，简单来说，机器学习就是通过算法，使得机器能从大量历史数据中学习规律，从而对新的样本做智能识别或对未来做预测。
人工智能是一个概括性术语，涵盖了从高级算法到实际机器人的所有内容。
我们有四个不同层次的AI，让我们来解释前两个:
1.弱人工智能，也被称为狭义人工智能，是一种为特定的任务而设计和训练的人工智能系统。弱人工智能的形式之一是虚拟个人助理，比如苹果公司的Siri。
2.强人工智能，又称人工通用智能，是一种具有人类普遍认知能力的人工智能系统。当计算机遇到不熟悉的任务时，它具有足够的智能去寻找解决方案。
机器学习是指计算机使用大数据集而不是硬编码规则来学习的能力。
机器学习允许计算机自己学习。这种学习方式利用了现代计算机的处理能力，可以轻松地处理大型数据集。
基本上，机器学习是人工智能的一个子集;更为具体地说，它只是一种实现AI的技术，一种训练算法的模型，这种算法使得计算机能够学习如何做出决策。
2.2监督式学习和非监督式学习
监督式学习需要使用有输入和预期输出标记的数据集。（天气预报人工智能）
非监督式学习是利用既不分类也不标记的信息进行机器学习，并允许算法在没有指导的情况下对这些信息进行操作。（亚马逊等电子商务网站的行为预测AI）
三、深度学习如何工作
3.1 神经网络

神经元之间的每个连接都有一个权重。这个权重表示输入值的重要性。一个特征的权重越高，说明该特征比其他特征更为重要。

每个神经元都有一个激活函数。它主要是一个根据输入传递输出的函数。
3.2通过训练改进神经网络
通过比较输入输出与过去输入输出之间的差距，计算成本函数，确定网络性能的好坏。从而进行改进。
3.3如何降低成本函数
梯度下降法，一种计算成本函数最小值的方法。

四、一个例子
手写数字分类：
MNIST 数据集
将手写数字的灰度图像（28 像素×28 像素）划分到 10 个类别 中（0~9）
使用paddlepaddle
复现例子报错：

OMP: Error #15: Initializing libiomp5md.dll, but found libiomp5md.dll already initialized.

原因是libiomp5md.dll在annaconda的env路径下重复出现
解决办法：
修改libiomp5md.dll文件名称，建议自己备份文件路径。
修改名称后运行成功！
Mnist数据集标签格式介绍--------独热编码
Mnist数据集中的标签是介于0~9的数字，Mnist中的标签是用独热编码(one-hot-vectors)表示的，一个one-hot向量除了某一位数字是1以外，其余维度的数组都是0，比如标签0用独热编码表示为([1, 0, 0, 0, 0, 0, 0, 0, 0, 0])，标签3用独热编码表示为([0, 0, 0, 1, 0, 0, 0, 0, 0, 0])。所以，Mnist数据集中所有的标签mnist.train.labels是一个[60000, 10]的数字矩阵。

AI Studio平台基础操作
插入断点
!cat <<newfile > newfile.py 在项目空间内直接创建文件, 之后双击进行编辑.。

上手第一个例子——图片分类之美食分类
数据集：foods
在使用官方给定的程序运行后，得到的结果：

Epoch 10/10
step 18/18 [============