在飞桨paddlepaddle上学习的心得体会

在飞桨paddlepaddle上学习的心得体会

课程内容：

从课程背景简介，到环境创建，到模型实例讲解，并有理论题和实践题和答疑。

 

前两周

预习作业是安装飞桨PaddlePaddle和输出九九乘法表的程序：

1 安装PaddlePaddle命令（如果电脑已经默认安装python3）：

   pip install paddlepaddle

2 输出九九乘法表:

for x in range(1, 10):

    for y in range(1, x + 1):

        print('%d*%d=%d\t' % (y, x, x * y),end='')

    print('')

注意格式排版

实践作业是 随机抽取100张图片，测试模型的分类准确率。

代码修改要点：

测试集随机抽取。利用shuffle，将eval修改成类似train数据的随机抽取方法。

 

理论部分：学习了深度学习、机器学习、神经网络概念、建模层次步骤（框架、数据处理、网络结构、配置、优化测试等）、梯度下降、飞桨平台工具等，并介绍了波士顿房价预测和手写数字识别的例子。

 

如下图框架流程讲解深度学习入门

 

第三周

是结业作业，利用YOLO-V3算法来应用林业病虫害数据集进行模型训练和测试，一场小小的排位赛。

这个作业本质是计算机进行目标检测，对计算机而言，能够“看到”的是图像被编码之后的数字，但它很难解高层语义概念，比如图像或者视频帧中出现目标的是人还是物体，更无法定位目标出现在图像中哪个区域。

目标检测的主要目的是让计算机可以自动识别图片或者视频帧中所有目标的类别，并在该目标周围绘制边界框，标示出每个目标的位置。

参赛者可以利用所学知识技能完善升级模型，提高算法效果。

由于时间限制，后期可利用yolo v4等进行测试效果。

祝愿各位选手取得好成绩。