入坑百度飞浆PP深度学习（一）

作为人工智能半路出家的二把刀，靠着简单实践和项目一点点开始人工智能的学习。学习资料和项目用什么平台，就去学这个平台下框架，从tensorflow到pytorch，一直没有一个系统的路线指导。偶然在CSDN上看到一个飞浆开发的项目，不到20行代码实现人体抠图，实践了一下，效果还不错，也就先沟通过这个平台去系统学习一下图像处理相关的业务层实现。

抠图效果

点此进入百度飞浆
首页介绍了飞浆的安装过程，对于穷人比较友好的是，PP有CPU版本，没有CUDA GPU也能安装使用

>>> paddle.fluid.install_check.run_check()
Running Verify Paddle Program ...
Your Paddle works well on SINGLE GPU or CPU.
I0411 20:15:47.724014 14720 parallel_executor.cc:440] The Program will be executed on CPU using ParallelExecutor, 2 cards are used, so 2 programs are executed in parallel.
W0411 20:15:47.726007 14720 fuse_all_reduce_op_pass.cc:74] Find all_reduce operators: 2. To make the speed faster, some all_reduce ops are fused during training, after fusion, the number of all_reduce ops is 1.
I0411 20:15:47.726007 14720 build_strategy.cc:365] SeqOnlyAllReduceOps:0, num_trainers:1
I0411 20:15:47.728001 14720 parallel_executor.cc:307] Inplace strategy is enabled, when build_strategy.enable_inplace = True
I0411 20:15:47.728001 14720 parallel_executor.cc:322] Cross op memory reuse strategy is enabled, when build_strategy.memory_optimize = True or garbage collection strategy is disabled, which is not recommended
Your Paddle works well on MUTIPLE GPU or CPU.
Your Paddle is installed successfully! Let's start deep Learning with Paddle now

百度飞浆教程
更为贴心的是，PP官网还提供了免费的在线运行环境，对于配置无能的新手简直不要太友好。穷人自然是申请免费版，好在初始几个项目够用了，还能每天申请免费算力卡。
下图是启动后的免费终端，默认两个文件夹data和work，以及一个juptyer文件。测试了一下，虚拟环境是Ubantu16.04无桌面版，需要一点点的linux操作知识。
环境配置完成就是跟着老师去一个个的撸课和项目了。
这一块的课大概需要7天，留着慢慢撸，等五一之后再来汇报
在这个之前PP强烈推荐了配套课程《机器学习的思考故事》，建议非人工智能专业的跟着走一遍，有益无害。