paddle paddle七日训练营体验心得
因为对人工智能、深度学习方面的东西感兴趣，所以之前就在Coursera上上了两门吴恩达老师深度学习的课程，也进行了一些像Tensorflow、Keras深度学习框架的练习，但这些练习其实大多数代码吴恩达老师都给我们准备好了，我们只需要填写几个空，因此对这些框架其实熟悉程度并不高。而因为之前参加过全国大学生智能车竞赛，关注了卓晴老师的公众号，就在最近了解到了有这个百度paddle paddle七日训练营，随即就和几个实验室的朋友抱着能学多一种框架是一种框架的心态去参加了。
七天的学习，虽然时间短暂，但内容却很丰富：
- 第一天对paddle paddle以及notebook的使用进行了一个大概的了解，并且使用爬虫所爬到的疫情数据进行了一个疫情数据可视化的制作，在这期间让我懂得了如何去查找官方的api来进行程序的编写。
- 第二天我们学会了图像分类的基本知识。而这一天的作业是手势识别，也正式开始了paddlepaddle的实操。因为晚上才能抢到gpu的资源，所以在上完课程的当天晚上我就开始程序的编写，除了使用最基本的DNN神经网络以外，我还尝试了CNN神经网络，发现CNN神经网络表现比DNN网络好，因此最终决定使用CNN神经网络。经过几个小时参数的调试以及训练，识别率在验证集上的表现达到了97%，这让我对接下来的学习更有信心了。
- 第三天我们学习了卷积神经网络的相关知识，而这部分知识是我之前上课从来没有接触过的，也让我了解了像池化这种陌生的概念。这一天的作业是车牌识别，在经过参数调试后，最终的识别率达到了98%。
- 第四天则进行了几种经典卷积神经网络的了解，像vgg、resnet等，并进行了口罩分类的练习，这次练习我仅仅是使用了vgg一种网络结构，识别率最终达到了94%。
- 第五天则是介绍了百度深度学习竞赛的形式，以及我们如何去进行比赛，排名等。而在这一天比赛也发布了，是一个人流密度检测的题目。而在基础框架下，我进行了一次训练，提交答案后有错误率有0.64，排在了300名以后，随即我进行了参数的调整，并尝试了几种不同的网络模型，并进行了四个小时的训练，最终错误率仅仅减小到0.44，排在了45/442。
- 第六天则是paddlepaddle模型压缩的一些使用方法，并且让我们深刻体会到了模型压缩对于模型实际应用过程中的重要性。这一天的练习比较简单，但是可能对上课内容的理解不够透彻，在几个选择题中，我错了一半，因此这一天的作业分数只有75分。
- 第七天则是结营了，这一天老师给我们讲解了人流密度模型的一些调优方法，并且请来了一个比赛榜上排行第一的大佬给我们介绍了他的一些调优方法，深深的感觉到自己与大佬的差距，并且更有动力去学习了哈哈哈（在追赶大佬的路上砥砺前行）。
总结
这几天的对于paddlepaddle的学习还是让我学到不少东西的，包括卷积神经网络的了解，以及如何去调参调优，并且也体会到了PaddlePaddle框架的方便以及好用之处，当然还有百度爸爸的V100显卡的好用之处。最后谢谢为我们上课的老师，以及百度官方为我们提供的算力，希望国产的paddlepaddle框架越做越好，能成为以后的主流框架！