接触深度学习才满一年半，这一年半中进度缓慢，处处碰壁，直到我发现了paddle，下面从一个ai初学者和学生党角度分享一下我的感受。
初学AI的痛点
- 没有好的实验环境，无论是传统机器学习或者深度学习，对硬件都是有一定要求的。作为一个搬砖研究生，自己没钱买好的设备，实验室条件也有限，基本上学ai就是在纸上谈兵，唯一跑过的demo就是手写数字识别。然而，入门的同学都知道机器学习尤其是深度学习是需要实践的，不自己动手训练几个模型，你用永远都掌握不了那些trick，永远都停留在“理论上”。
- 各种框架不知道学什么好，主流的几大深度学习框架caffe，tensorflow，mxnet，pytorch，keras等，有的支持动态图，有的在移动端部署较好，有的集成度高，有的方便应用开发等等，总之是各有千秋。往往初学时都有困惑该选哪个框架来学，而且经常面临学了这个还要学那个的窘境。
- 因为ai行业还在迅速发展，而在学校往往很难获得较好的学习资源，因为大多数老师也是刚接触这个方向，他们并不是都站在前沿，所以不一定有足够的能力来指导。所以在学习时，大家还是很依赖网络资源的，但是各种培训班和公开课，不是太过基础就是太过艰涩，而且质量参差不齐，部分还要高额的费用。
paddle的优点
- 只要在AIstudio注册后完成学生认证，每天能领取12小时GPU算力，基本上算是免费使用了，而且不像是使用google云的GPU还需要自己搭梯子，简直方便实惠。（虽然有时候GPU用的人多时用不了，但是在23点以后基本都能用，要训练什么放到晚上训练也一样）
- paddle即支持动态图和静态图，不管是以前用tensorflow的还是pytorch的要上手paddle基本都是零阻力。更关键的是相关的开发套件，如paddlehub，paddleslim，EasyDL，paddelX等，无论是在云端还是移动端的开发部署都极其方便。只要用好paddle一种框架，基本能解决各种环境下的需求。
- Aistudio上的课都是免费的且覆盖极广的范围，从基础理论到项目实践，从cv到nlp，无论是广度和深度都覆盖的很全，总能调到适合自己学习的，而且还有相关的作业和比赛交互能帮助学习者快速迭代。
作为个人来说，目前paddle真是见到最方便的框架，虽然相关社区的活跃程度和资源还比上pytorch和tensorflow，但是我相信这只是时间问题，金子总能发光。祝愿paddle越来越火！