百度飞桨深度学习（深度学习7日入门CV疫情）学习总结

**

百度飞桨深度学习个人学习总结

课程是通过直播课加项目实战的方式来学习的，每天的直播课会在晚上8点钟，直播课会讲解每天的学习内容以及对作业的答疑。开发是在AI Studio上进行的，每天的实战项目都可以在AI Studio上面直接运行，项目使用PaddlePaddle框架，在界面上启动开发环境，有cpu和gpu两个版本，开发环境启动完之后可以发现数据集和项目大部分代码都已经实现了，我们需要做的是将关键部分代码补全，以及调整参数使得训练效果更加鲁棒。
一，课程内容是图像识别和人工智能。在直播课中讲解了cv方面的发展和现状，以及人工智能在cv方面的应用。当天的实战项目是本地安装飞浆和爬取3月31日当天丁香园公开的统计数据，根据累计确诊数，使用pyecharts绘制疫情分布图。
二，课程内容是深度学习与图像处理，直播课中老师讲解了深度学习和图像方面的发展和应用，包括几个典型的深度网络。当天的实践项目是根据提供的数据集实现手势识别：1、补全代码并成功运行 2、调参数、优化，提高测试集准备率。
三，课程内容是卷积神经网络，介绍了CNN，以及举例几个典型的卷积神经网络。实践项目是车牌识别。
四，深入介绍了经典卷积网络，并让我们用VGG网络框架来实现口罩分类。
五，介绍人流密度比赛。
六，PaddleSlim模型压缩。
最后参加了人流密度检测的比赛，在比赛中认识到了自己的不足，在后面的时间加油。