有关paddlepaddle理解2

1.1 AI Studio

AI Studio是百度推出的一站式开发平台，其中囊括了AI教程、代码环境，算法算力、数据集，并提供免费的在线云计算一体化编程环境。它是一个基于PadddlePaddle的集成了大量数据集、经典样例项目及比赛项目的云计算建模平台，也是一个机器学习、深度学习的交流社区，在云端集成计算资源、项目管理、代码管理，比赛等多种功能。

1.1.1 AI Studio功能

AI Studio主要功能项目类（包括项目大厅、创建项目等），有经典数据集合自定义数据集，还有各种精选项目课程，提供各种数据科学比赛报名通道。

• 项目类：项目大厅包含各种项目分享，其中也有细致的专题分类例如新手入门、进阶项目、高阶任务、飞桨模型等；同时也包含自我创建项目，自我的项目管理。AI Studio是以项目为核心，以技术及资源输出帮助个人开发者，中小企业快速拥有AI能力以更好的服务自身业务。
• 数据集：AI Studio平台汇集海量开放数据，链接真实业务场景。其中公开数据集包含有房价预测、人流密度预测数据集等，用户也可上传自定义数据集进行模型开发。
• 课程：此平台提供有大量精选项目课程，详细教学深度学习和机器学习，飞桨深度学习学院提供有AI快车道助力企业开发者快速应用深度学习技术，提供有PaddleCamp一线讲师教学，支持中国科学院大学等高校开课，NURD等开课机构共同助力培养社会人才。PaddlePaddle不仅有机器学习、深度学习的视频公开课和教程文档，而且包含了大量的各个方向的深度学习实例。
• 比赛：为用户提供了各种比赛渠道（飞桨大赛、飞桨常规赛、新人练习赛）并且提供了云端训练平台，使得比赛者公平竞争。拥有详细的比赛介绍以及赛提说明，社区也相对活跃完善。

1.1.2 fork项目

下图将fork“基于PaddleX的行人社交安全距离检测”项目。

2.1 Python

2.1.1 fork一个python基础语法项目

2.1.2 Python语法

1、变量与基本数据类型：每一个变量在使用前必须赋值，但变量赋值不需要数据类型的声明。
2、标识符：Python中，标识符由字母、数字、下划线组成，所有的标识符可以包括英文、数字和下划线，但是不能以数字开头。
3、数据类型

• 数字数据类型：int型（整型）、float型 （浮点型）、complex型（复数型）。
• 布尔类型：True和False。
  4、基本运算
• 算术运算：算术运算符包括：+、-、*、/、//、%
• 比较运算：比较运算符包括:<、>、==、>=、<=、！=
• 赋值运算、逻辑运算
  5、List列表、Tuple元组、Set集合、Dictionary字典
• List列表：列表是Python中使用最为频繁的数据类型，是写在[]之间，元素之间用逗号隔开。
• Tuple元组：元组与列表类似，不同点在于元组不可修改，元组写在小括号里（），元素之间用逗号分隔开。
• Set集合：集合是一个无序且不含重复元素的序列，主要用来进行成员关系测试和删除重复元素，可以使用大括号{}或者set()函数创建集合
• Dictionary字典：字典是一种映射类型，用"{}"表示，它是一个无序的键(key):值(value）对集合。
  6、基本结构：三种基本结构，包括顺序、选择和循环。

3.1 Jupyter Notebook

Jupyter Notebook是一个开放源代码项目，定义的基于web的交互式编程方法已经逐渐成为全球数据科学、机器学习、深度学习领域的前端标准。AI studio Notebook是在Jupyter Notebook基础上开发的。通过AI Studio Notebook,可以使用Jupyter Notebook，完全不需要在自己的计算机上下载、安装或运行任何内容，只要有浏览器就可以使用。它支持超过40种编程语言，包括PYTHON、Julia等；能够分享笔记本，可以使用电子邮件、Dropbox、GitHub和Jupyter Notebook Viewer与他人共享；可以做到交互式输出，代码可以生成丰富的交互式输出，包括HTML、图像、视频等；可以大数据整合，通过Python、R、Scala编程语言使用Apache Spark等大数据框架工具，支持使用pandas等来探索同一份数据。

4.1 Linux基本命令

5.1 fork与课题有关的项目

该项目首先进行数据整理，将数据划分为训练集和验证集；其次进行自定义数据加载，加载文本类自定义数据集，用户仅需继承基类BaseNLPDatast,修改数据集存放地址以及类别即可；然后加载模型；构建Reader，构建一个文本分类的reader；其次进行finetune策略，选择迁移优化策略；运行配置、开始finetune进行预测，最终生成结果。
在做该项目时，采用paddlehub预训练模型微调工具，快读构建比赛方案，不需要繁琐的代码就可以快速切换不同模型进行效果验证。