《百度架构师手把手教深度学习》学习心得

百度架构师手把手教深度学习

学习地址：https://aistudio.baidu.com/aistudio/education/group/info/888

 

感谢百度提供这次机会，让我更加深入了解百度深度学习框架，从paddlepaddle编写训练模型到paddlehub使用预训练模型进行训练以及最后是用paddlex可视化训练模型，当中还涉及到模型压缩、量化、部署、裁剪等等，部署方面从服务器到边缘计算设备部署等一套部署环境和组件，paddlepaddle对整个深度学习的生态链完美的支持，从中也学到很多知识。也希望今后的工作如果有需要，使用paddle这一深度学习框架，百度的课程也逐步完善，我希望今后多开一些自然语言发面的课程，图像方面的已经趋紧成熟，有一套方法和理论，而自然语言没有成熟的方法和理论，值得大家去学习和研究，使自然语言方面有更大的突破。

下面是百度的应用框架，通过此图了解整个深度学习生态链

从这次课程出发，偏向实际应用，对有一定深度学习基础的同学非常友好，不仅要熟悉模型训练过程，还要熟悉如何把模型进行落地，如何落地以及落地过程中需要对模型进行怎么处理才能满足使用

看看这门课程如何引导同学完成一套从模型训练----模型压缩---模型部署的流程

从作业角度说起

作业一、通过PaddleHub提供的人脸检测、人脸关键点检测等一系列预训练模型，完成人脸方向的创意比赛。

  目的：①熟悉了解paddlehub的使用

             ②使用预训练模型进行应用开发和使用

             ③调动同学想象力

 作业二、基于PaddleDetection 开发套件，完成 AI识虫项目 or 训练blazeface模型。

    目的：①深度了解paddle开发套件

               ②使用paddlepaddle框架训练模型

 作业三、

1. 尝试在自己的手机上安装Paddle Lite提供的APP Demo，并跑通整个项目

2. 将Demo中的模型（ mobilenet-SSD ）替换为其他的模型，观察检测效果的差异

3. 将2中的模型进行压缩，采用不同的压缩方案，从模型精度、大小、速度三方面评估理想方案

提示：Demo项目 https://github.com/PaddlePaddle/Paddle-Lite-Demo

转换模型的时候，需要使用opt工具将paddle的模型转换为paddle lite的模型

目的：①了解部署过程

           ②特殊情况下需要对模型进行压缩、量化、裁剪等完成部署

           ③使用哪些工具完成部署和模型裁剪等

作业四、应用PaddleX Demo，在现有化妆品的数据集上增加一个化妆品类别参与训练，整体平均精准率（Precision）及召回率（Recall）均达到80%以

目的：①使用可视化paddleX让用户更友好的通过界面实现数据加载、模型训练、模型评估、模型部署等操作，用户不需要有多么深的深度学习知识，通过界面能完成整个流程，非常便捷

如果你的深度学习没有着落，没有门路，那么就参加百度训练营课程，从基础学习到领域应用，如果想听这门课程，点击链接加入课程，讨论区内是学习同学的作业情况，可以向他们学习。