关于PaddlePaddle，早有所闻，这次有幸参加百度推出的深度学习CV疫情特辑课程，初次体验了百度飞桨深度学习框架，受益匪浅。对于我这个非计算机专业出身的业余爱好者来说，理论课程的学习，使我零基础认识了深度学习CV的基础理论；实践课程的学习，使我零基础学会了在PaddlePaddle深度学习框架下用Python语言编写深度学习CV的各环节程序。

第1天，在百度飞桨官网的指导下，成功安装了PaddlePaddle，学会了通过爬虫爬取公开网站上的疫情数据，并将其可视化的程序编写，实现了对疫情数据的分析曲线绘制。了解了图像识别的具体定义以及存在的语义鸿沟（Semantic Gap）现象，图像识别的基本框架包括：测量空间、特征空间和类别空间，如图1所示，

                                                                                                                                               图1 图像识别基本框架

关于图1的特征空间，可以人工特征提取，这种传统的方法是一件非常费力、启发式的方法，能不能选取好很大程度上靠经验和运气，而且调节需要大量的时间，而深度学习是学习特征，与传统的设计特征截然不同。

第2-4天，分别学习了DNN、CNN、VGG网络模型的理论基础，通过手势识别、车牌识别和口罩识别等3个实践项目一一体会深度学习三部曲：建立模型、损失函数、参数学习。在实践老师的指导以及自己的摸索下，3个实践项目均能成功运行。通过调参，切实体会到不同的网络结构、网络模型的层数、每层的神经元数等对识别结果的影响。

第5-6天，对PaddleHub和PaddleSlim进行了初步了解。

总之，通过这次理论与实践学习，解决了我对深度学习的疑惑，修正了我对神经网络的理解与认识，为后续的进一步学习打下了很好的基础。