BaseLine
你训练一个模型，获得了80%的准确率，你觉得很高吗？
不能这么说，因为你没有与别人的东西作对比。只有与当前的state of the art的算法比较才能有意义，
这个被比较的算法就是baseline。你使用已经存在的流行的算法作为baseline，baseline的选择取决于你的目的，我们的最终目标是超越baseline，如果你的算法模型训出来比baseline的accuracy要高，或者其他的指标如训练的时间，预测的时间，内存使用率等等要更好，那么就可以说你超越了baseline，换句话说，你自己的算法模型训练结果就是一个新的baseline。
PipeLine
举个例子，在自动驾驶汽车研发的过程当中，我们需要不断获取数据，设计算法，改进网络，把camera获取到的实时视频拿给算法模型去训练，得到loss，再不断循环训练，不断喂新的数据进来，我们最终可以得到一个模型，在汽车实地跑的时候，可以通过inference把结果显示在车载screec上。
所以这一整个框架流程，从输入数据输入给算法模型去训练，最终把得到的输出模型用在实际的生活当中得到perform——这个过程就是pipeline。