我参加了百度在疫情期间开设的深度学习七日入门课程，收获颇大，虽然课程时间短暂，但对计算机视觉领域入门有了一定的了解。第一天学习了图像处理原理与深度学习入门，实战是新冠疫情可视化，爬取的是丁香园的疫情数据，了解了爬虫的代码，如何对网站得解析，学会了pychars Pie API的使用。第二天是课程内容是深度学习原理与使用方法，实战是手势识别，学会了DNN网络的搭建，softmax多分类激活函数的使用。第三天是卷积神经网络的原理与使用，实战是人工智能车牌识别，有65个类。学会了卷积神经网络的应用Conv + Pool + relu卷积网络基本采用上面卷尺层、池化层、激活函数层一起使用。第四天是经典的神经网络解，实战是口罩识别项目，了解了神经网络的发展，对leNet,AlexNet,VGG,GoogleNet/Inception,ResNet等经典网络结构有了一定的认识，于是我尝试将VGG网络应用应用在了第二课的手势识别中，当时准确率有很大提升，达到了96%，后来在数据增强方面增加了旋转图片，准确率达到了98%,虽然没有达到99%甚至100%的准确率，感觉将自己学到的东西，按自己的想法应用起来也非常有成就感。第5天课程是手把手带打深度学习比赛，比赛内容是人流密度检测，挑战非常大，毕竟这项课只是入门级别，但是通过这个比赛，我学会了神经网络如何喂入数据，如何处理数据，对如何选择网络等有了一个新的认识。第六课是模型压缩，学会了如何基于通道裁剪，量化、蒸馏等方法压缩模型，提升推理速度，这些课程是基于PaddlePaddle动态图框架完成，使用非常方便，感谢百度免费提供充电的机会，受益匪浅。