AI实战营2023第二期-学习心得

AI实战营2023第二期-学习心得

背景

我现在的图像处理工作涉及到了分割（segmentation），因此我会时不时地浏览一下关于openmmlab分割的网站。我最近发现了OpenMMLab正在开设一门实战课程，我意识到虽然我在使用openmmlab分割技术，但是openmmlab很多细节我并不是十分了解。

目的

认为通过这个实践课，可以比较系统的学习到openmmlab的应用，所以就报名参加了。

过程

我有一定的openmmlab使用基础知识，但是我有严重的拖延症，总是在交作业的前一天晚上赶完成。幸运的是，mmpetrain，mmsegmentation，mmpose这些docker环境都很容易设置，这大大减轻了我的负担。
然而，最后一次作业使用的mmagic docker环境似乎出现了问题，尽管我按照官方指南尝试构建环境，但我仍然遇到了模型下载和GPU内存问题，这花了我很多意料之外的时间。最终，在学习小组的同学和助教的帮助下，我成功解决了这些问题，并且在最后的时间内成功完成了作业。我特别要感谢助教和班长的支持。

课程收获

深度学习的大体理解，深度学习的项目：分类，关键点检测，物体识别，物体分割，和各种魔幻的生成模型的使用。还有班子和助教等小伙伴，无私奉献的精神。

建议

跟着mmlab的视频教程学习后，并动手实践

感想

・camp的意义

在研究生阶段，我只能自学机器学习，由于没有教授和学长的指导，我遇到了很多困难。学习的过程中，我不断摸索，但掌握的技能并不深入，这也使我对图像处理这个方向的热情减退了。因此，我放弃了从事图像处理方向的工作，成为了一个典型的从初入此门到最后选择放弃的例子。我觉得，如果当时有像OpenMMLab这样的学习资源，有一群热爱学习的同行，我可能不会选择放弃。

・mmlab对于工作后，非算法岗位的小伙伴的意义

我已经从大学毕业了，但因为一些巧合，我在大学里所学的AI知识在我的工作中仍然能够派上用场。然而，由于我工作的职位并不专注于AI算法岗，所以我的AI学习之路经常在理论学习，实践操作，以及完全放弃学习之间摇摆不定。
特别是近来，AI的理论发展速度飞快，对于像我这样的非专业算法工作者，一年不学习就感觉跟不上时代了。幸运的是，现在有了OpenMMLab这样的框架，我们可以在不深入理解其内部原理的情况下，快速应用AI算法，真是感激不尽。

・将来

OpenMMLab是一个相对先进的代码库框架，其实用起来相当直观和易于实践。然而，由于其内部设计较为抽象，如果遇到bug可能会很难去修复，同时它也让人感觉较为复杂和难以透彻理解，特别是在使用配置文件和各种抽象模块的方面。
经过一段时间的学习，我对OpenMMLab的使用有了基本的理解。接下来，我计划深入研究mmengine的代码。我认为，mmengine中所体现的抽象思想，是机械学习核心框架的重要组成部分。
而如何把这些思想，抽象成代码也是个很有趣的工作。希望了解内部的原理。

评价

五星好评