飞桨PaddlePaddle深度学习7日入门-CV疫情特辑小结

用户名:超大号

Day01:新冠疫情可视化

第一天学习理论识别并动手实践新冠疫情可视化任务
主要内容：基于丁香园公开的统计数据，实现新冠疫情可视化，包括疫情地图、疫情增长趋势图、疫情分布图

实践步骤：
1.数据准备：编写爬虫程序拟浏览器 --> 往目标站点发送请求 --> 接收响应数据 --> 提取有用的数据 --> 保存到本地/数据库

2.配置可视化插件Echarts ，一个由百度开源的数据可视化工具

3.程序绘制全国疫情地图、湖北省疫情地图、疫情增长趋势图

Day02:图像识别与人工智能

第二天主要学习到的理论知识有：
1.图像识别定义和问题
2.传统图像识别方法
3.人工智能发展历程
4.动手实践手势识别

Day03:采用全连接神经网络识别车牌
车牌识别实践过程如下：
1.进入AI Studio 在线训练平台
2.导入需要的包
3.生成车牌字符图像列表
4.定义全连接层网络6个层次，其中3个卷积层，2个池化层，1个回归层

Day04:采用VGG卷积神经网络进行口罩分类识别

口罩识别，是指可以有效检测在密集人流区域中携带和未携戴口罩的所有人脸，同时判断该者是否佩戴口罩
模型构建步骤：
1.准备数据
2.模型配置
3.构造VGG网络
4.模型训练
5.模型评估
6.模型预测

Day05: 预习课程

1.深度学习介绍
2.数学知识学习
3.Python快速入门指南
4.PaddlePaddle快速入门
5.AI Studio Notebook学习

Day06 ddleHub概述与使用指南
PaddleHub是飞桨预训练模型管理和迁移学习工具
1丰富的预训练模型: 覆盖文本、图像、视频三大领域
2模型即软件:一行代码完成预模型预测
3Fine-tuneAPI:十行代码完成迁移学习

Day07 PaddleSlim模型压缩

1.量化的优点有:低内存带宽\低功耗\低计算资源 \低存储体积
2.蒸馏采用teacher复杂模型训练的参数让student模型去学习
3.NAS可以通过搜索空间\搜索算法\ 让模型达到更优