百度Paddle《百度架构师手把手带你零基础实践深度学习》-学习阶段小结

• 1. 课程的简介
• 2. 课程内容介绍
• 3. 学习过程与感悟
• 3.1 学习过程
• 3.2 学习感悟

1. 课程的简介

《百度架构师手把手带你零基础实践深度学习》课程官网的介绍如下：
在课程上线的同时，百度飞桨深度学习学院还为同学们特别准备了21天课程集中带学活动！8月10日起，以每日学习任务+作业批改+直播互动+在线答疑+实践比赛的模式，带领同学们完成本课程1-4章的内容学习。保障同学们的学习效果，让大家能够学有所成，更有惊喜奖品等你来赢！

2. 课程内容介绍

引用毕然老师的一张ppt截图来说一下课程的内容：

课程前面有深度学习的入门知识，

1. 在预习课程中，总结了机器学习Machine Learning(ML)、深度学习Deep Learning(DL)中用到的数学基础材料、介绍了AIStudio学习与实践平台（这个平台真的很好用，即能看文档，还能进行程序练习，另外还可以使用百度提供的虚拟机器、和服务器与算力）的用法，还有中间的各个直播课程的录播视频，也都有班主任-青瓜君及时的做了整理与上传；
2. 第一章是零基础入门深度学习，介绍了AI、ML、DL的概念与关系、
   深度学习的历史与发展、使用Python语言和Numpy构建神经网络、使用波士顿房价预测实践问题，介绍了网络建模的数据处理与模型设计、模型的损失与优化、梯度下降的代码实现、随机梯度下降的原理与代码实现、使用随机梯度下降进行模型训练的方法、介绍了paddlepaddle飞桨这个深度学习框架、并使用飞桨框架重写了房价预测的模型；
3. 第二章则是使用飞桨框架对手写数字识别做了全面的介绍，首先是通过迁移学习，将房价预测的网络应用到了手写数字识别的问题上，介绍了飞桨API查阅方法，根据极简模型的问题，对模型的每个环节都进行了修改，修改过程的思路也在课程中使用下图做了介绍（在模型的横向和纵向上都做修改，逐渐的将一个简单能用的模型，修改为一个实用的模型，这也是我们做科研、做项目的非常朴素、非常常用的一个方法）：
   
   第二章介绍了修改模型设计、训练测试、拆分训练集与测试集、完善处理流程并异步读取数据、修改网络结构、损失函数、介绍了交叉熵损失、资源配置、训练与调优的注意事项及操作过程：明确训练中的关键问题、解决过拟合、可视化分析训练效果、保存与加载训练模型；
4. 第三章综述了计算机视觉、介绍了卷积神经网络的基础：卷积、卷积应用举例、池化、激活函数（将线性操作变成非线性）、批归一化、丢弃法，简介了图像的分类、眼疾识别数据集、以及几种常见的卷积网络：AlexNet、VGG、GoogleNet、ResNet；
5. 第四章是目标检测YoloV3，按项目开发过程的顺序介绍了目标检测的任务、边框和锚框、AI识虫数据集、图像增广、YoloV3算法、生成锚框和候选区域、标注候选区域、图像特征提取、关联特征图与候选区域、建立损失函数、多尺度检测、端到端的训练、模型预测、消除冗余预测框、预测结果可视化、AI识虫比赛的介绍等。
6. 在本阶段的21天带学课程活动结束后，班主任还会发布后面四章的内容，供小伙伴们继续学习。

3. 学习过程与感悟

3.1 学习过程

1. 选择这门课后，每天都能看到新的学习内容、新的学习任务、新的打卡任务或实践作业任务，因为自己的基础很弱，学习起来挺有压力的，不过看到学习平台、交流群中有这么多的老师、这么多的小伙伴一起学习，也默默的坚持了下来。
2. 随着课程的进展、粗略的把内容都学习了一遍，把老师提供的代码也都大体的运行了一遍，但是还不是很熟练。

3.2 学习感悟

1. 做为一个上有老、下有小的就要到中年的“尾巴”年轻人，现在觉得脑子很不好使，学习知识很慢，成绩总是不明显。
2. 在选择这门课后，错过了前面的预时课程的学习时间，后面的几天的课程的学习都很赶，没有理解好课程里面的内容。
3. 还好后面能跟上课程的节奏，特别是在比赛阶段，看到不少已经成为大牛的小伙伴们，他们在网上坚持学习、参赛、写项目，发现自己有学习的目标与方向了（向坚持学习成为大牛的小伙伴们学习，自己也要坚持学习下去）。
4. 感觉学习压力大还有一个原因，是我的数学基础、ML、DL的理论知识及python的实践经验都欠缺，不过通过这门课程的学习，发现python的应用熟练度提升了，对DL的理解也加深了，后面要坚持下去，不断的学习和练习，争取使用paddle这个框架把深度学习给学习好，能自己做出一些实用的项目来，为社会做好服务。