百度Ai studio 深度学习七日打卡营_深度学习7日打卡营』第2课案例2带你玩转12生肖分类-CSDN博客

本文链接：https://blog.csdn.net/weixin_44447693/article/details/105357336

在这次深度学习七日打卡营学到了一些模型训练方面的技巧，对cv有了个大概的认识，感谢老师的精彩课程，助教班主任的热情答疑，同学的好心帮助，这周过的很充实。
在模型调参时，可以多加入卷积层，提取更多的特征，dropout用于全连接层，目的是防止过拟合，而在卷积过程中因为其参数少所以一般用不大dropout。
课程由简单到复杂，难度设置的很合理，循序渐进的方式让我知道了如何去学深度学习，明白了学习的方向，感谢百度AI studio提高的平台，为我们提高免费的算力，课程，支持国产框架，适合国人学习，易于上手和使用在这里插入图片描述
首先做的是新冠疫情可视化，学到了python的使用和基本的爬虫使用。之后进入正题，开始做手势识别，做的图像分类任务，只利用全连接网络来完成任务，效果当然没有用卷积网络来的好，但在调参的过程中也学到了不少东西，可以利用dropout来防止过拟合，最后一层的输出通道数就是分类数，因为是10分类，所以用用one-hot形式输出10 在这里插入图片描述
然后做了车牌识别，这次任务利用了卷积神经网络，所以效果很好，最后预测的准确率是1，比较惊讶，是vgg网络，利用了卷积池化的组合操作，在把特征图reshape后跟全连接层连接，输出的类别比较多，最后一层全连接层用的是softmax,而不是relu，这样可以完成分类任务。
在这里插入图片描述
在口罩分类任务中，我在vggnet类中补全代码，思考并动手调优，这个类里由初始化函数和前向计算函数，如果这个类里没传入label，则只输出out，若传入了label，则输出out和acc.
人流密度检测比赛难度还是蛮大的，利用老师给的baseline代码，进行调参优化网络模型，使其误差变小，提交后有你自己的排名和成绩。
在这里插入图片描述
paddleslim模型压缩课程，学到了一些这方面的理论知识，以图像分类模型MobileNetV1为例，学到了如何快速使用量化训练接口，感受到了其用处。
学习是个循序渐进的过程，要稳扎稳打，很感谢百度ai studio给我提供的这个平台，让我有了学习的方向和途径。
对于国产框架也能做的这么优秀，这是件很高兴的事情，百度最近也在大力推广，打破外国在框架方面的垄断地位，这是很重要的，相信国产框架也能像tensoflow,pytorch一样能够在国内广泛应用