最初是经过学校老师推荐了解到这门课程，作为一个零基础的小白，对于深度学习这一方面非常感兴趣，于是果断报名参加。开始时会担心基础薄弱跟不上进度，但是经过这一周的时间学习，我发现完全可以跟得上进度，并且对于PaddlePaddle、以及深度学习有了更深一层的了解。

       首先飞桨（PaddlePaddle）是集深度学习核心框架、工具组件和服务平台为一体的开源平台，百度AI所提供的GPU资源能够很好的帮助我们学习和开发，只是人太多资源不好抢，每天都会获得有限时长的算力，可以说很好的刺激了我的行动力。

       然后在课程设置方面也非常科学合理，从第一天到第七天课程内容由易到难、逐层深入。每次直播都分为理论和实践两大部分，在理论课上我们的陈老都会将较抽象的模型具体化，形象的语言来给我们讲述，通俗易懂，能够让我们很轻松的理解网络结构等；在实践部分，我们的实践小姐姐也是非常的认真，逐行解读代码、十分详细；另外无论是作业还是比赛，都提供了基础的代码无疑是降低了难度，让我有了更好的学习体验。当然最重要的班主任小姐姐更是认真负责，然而嫁妆没抢上。每天都会进行调研，实时接收同学们的反馈信息来调整课程的设置，这里点个赞。

       上面是我对这次七日打卡营的一些主观感受，下面说一下课程的收获。

        DAY1 新冠疫情可视化：这天是了解了图像识别的发展历程，介绍了早期图像识别技术以及中期的图像识别技术，知道了什么是深度学习、什么是人工智能，以及它们之间的关系。然后爬取丁香园的数据，让疫情可视化。

        DAY2 主要介绍了最基础的深度神经网络，然后实践课上手把手叫我们写出DNN网络框架，并进行调参，看到准确率一步一步攀升时，内心十分的激动。

        DAY3由于全连接的神经网络不够灵活、参数容易爆炸，所以为了改进，理论课上主要讲授了卷积神经网络的相关概念和构建方法。在实践课上敲代码构建出卷积神经网络，里面的网络结构最开始还是非常困惑经过几天的推敲和调试，终于对卷积层、Pooling层等有了进一步的理解。

        DAY4介绍了经典的卷积神经网络，并通过实践课完成了对口罩的识别分类。在此过程中，学会了如何计算网络结构中的数目。调试准确率对于新手来说还是太不友好，准确率一开始上不去很头疼，难受。

        DAY5是发布了比赛，不得不说从0开始敲代码建网还是很困难，幸好后来发布了基础版本，能够在基础版本上做改进是真的降低了难度，大佬们都太强了。

        DAY6最后一天是介绍了Paddleslim的模型压缩方法。

        总的来说，参加这次打卡营收获满满，无论何时有问题都能得到及时的解答，每天完成作业打卡能够吊起我的积极性。非常感谢组织这次打卡营的教师团队以及班主任老师，下次有机会希望还能继续参加类似的营，班班和助理老师们都非常的棒！