参加这次课程还是老师发的链接给我，当看到课程大纲的时候一下就心动了，感觉这应该是一个干货满满的课程，最主要还是免费，还有证书奖品之类的，实在是太吸引人了，附上本次课程的教学大纲：

       刚说的是上这个课程之前的感受，现在说说上完之后的感觉吧。

       先总结下：这次课程上完确实感觉收或了许多：

      ①对PaddlePaddle这个深度学习框架有了一定的了解，能够看它的API文档去学习它如何运作。

      ②对各种神经网络有了进一步的了解。

      ③运用飞桨平台实践了许多比较前沿的一些应用，如新冠疫情的可视化等。

      ④获得了免费的GPU算力，为后续科研实践提供了一定的硬件支持。

      ⑤最重要的是：这一周跟着课程大纲计划学习，感觉自己每天更加的充实，慢慢的从疫情在家的懒惰中走出。

      ......

      不过由于时间比较短，很多技术或者代码细节还没有搞明白。也怪自己没有把所有时间去认真研究每行代码的作用以及调参的科学方法。

       接下来，说一说具体每一天学了什么吧：

       第一天：先学习了图像识别与人工智能的理论知识，然后进行了新冠疫情可视化的项目实践：主要是根据课上所学内容，爬取3月31日当天丁香园公开的统计数据，根据累计确诊数，使用pyecharts绘制疫情分布图，如下图所示：

         第二天：先学习了深度学习解析的理论课程，然后进行手势识别实践；

         第三天：先学习了卷积神经网络的理论课程，然后进行车牌识别实践；

         第四天：先学习了经典卷积网络结构的理论课程，然后进行口罩分类（识别人是否带有口罩）实践；

         第五天：讲解了人流密度需要的技术，进行人流密度检测实战比赛；

         第六天：对PaddleSlim进行了介绍和具体的应用实践；

         总结一下这几天：第一天的实践主要是学习了如何用网络爬虫爬取网络上的疫情数据，然后熟悉Pycharts api，使用Pycharts 对数据进行可视化图形绘制；第二天到第五天的实践主要是对各种实战项目进行代码填补，是项目能够正常运行，并且通过调参得到更好的效果；第六天主要是对PaddleSlim这个模型优化压缩框架的学习。

        最后，在此非常感谢百度飞桨团队能够推出这样一个免费课程，感谢各位老师，班主任以及助教的辛苦付出，感谢飞桨平台让我们能够免费获得GPU算力，谢谢！！！