关于飞桨的推广问题
收藏
刚刚百度客服打电话回访,和客服说了些关于飞桨的一些问题,客服说会反馈给飞桨团队。
个人认为百度飞桨的推广可以做一些改进。
先说下当下的现状。
看了百度出的7天学强化学习,里面要用的parl框架(个人觉得parl框架不如直接用fluid简单,可能我研究的东西比较简单。还有一层原因,因为tf没有parl框架,用了parl怕以后不好和tf对接)
看完了强化学习的DQN知识,我想代码实现下,于是百度搜索相关代码。结果是tf 实现DQN, pytorch实现DQN。。。。。没有一个paddle 实现DQN的,其他的深度学习的情况也比较相同
虽然想支持国产,但是这种情况有心无力。
个人对飞桨推广的建议。
1.对于一些常见的深度学习问题,强化学习问题,让一些博主写文章利用飞桨解决。然后百度一搜相关问题,出现飞桨对这些问题的解决。(当下真的是百度一搜全是tf, torch,感觉只有一小部分人再玩paddle,而且有点关起门来玩的样子)
2.关于AI社区的问题,我没有怎么逛ai社区。之前研究RT-thread的时候看过他们的社区好像有专门的人在社区解答问题。感觉AI社区可以借鉴下。
3.关于百度出品的课程。不太清除百度出品这些课程是面向研究人员还是工业应用。有些问题例如有一起的yolo问题,好像是直接调用模型解决的,感觉这样有些的细致的问题讲解的不够。可能对于研究人员来说不太。。。。
以上仅个人看法,可能很多问题很片面。虽然很片面,但还是希望能够被官方采纳。因为有的问题真的是,想用飞桨,但是没有好的例程。
0
收藏
嗯,老板催的紧得先交活。
不然伤头发
我觉得吧,如果tf是大师,那么Paddle则是成长中的大师。
理由是中国这么大,人(才)这么多,拿钱堆、拿人垒一定会出大师的(英国、美国也是这么垒出来的),而飞桨是国内头雁的位置。
跟着大师学,当然没话说。我还是觉得能跟大师一起成长,不说收获更宝贵,也能说是另有一番光景吧。
成熟的框架坑和棱角都打磨好了,当然好用。而学习打磨的过程更是宝贵的经验。用惯了成熟的框架当然顺手,但填坑的经验往往更能启发思想。历史上有好多成就是失败试验的副产品。完成任务就不会被老板批评了,而发现有意义的问题则更能获得老板的赏识。
郭德纲原来开场老说自己是相声界小学生。现在他的小学生都成“角儿”了
是这样的,而且毕老师在“机器学习背后的思考故事”里也说过,所有产业最终都要看能否落地
逮到一个骑士团成员
说白了,还是得好好学英语
老板越催越掉头发
大哥口才这么好,不去当自媒体都可惜了!
不过在应用的落地端,也就是工作后,老板对这种新技术给的时间一般是比较宽裕的,可以慢慢来;实在不行还可以申请合作项目找官方来支持……
我希望Paddle以后成为tensorflow那样的巨头,那样我们这些前期用户就是专家,我们就硬气,哈哈哈!
这话说的有道理。有时候用tensorflow很顺手,但是碰到个问题,无从下手解决。
用了这么久tensorflow,每次碰到一个新问题,我都觉得自己好像刚开始学tensorflow。因为tensorflow的支持太全面了。数据不用转换可以直接输入,各个层之间接口甚至可以自适应,很安逸。不需要操心太多的结果就是,你可能根本不懂你的模型。
哈哈,被你说服了
哈哈,没有。我就是说说自己想法
从小跟老郭混的都是角儿了,现在再去,不一定能见到本人。机缘吧,岁数太大、太小也不行,老郭不是老郭也不行。。。
就是这个意思。看爱因斯坦他老人家怎么从坑里往外爬,远比对着墙上的照片和e=mc^2肃然起敬收获多。。。爱因斯坦之所以是爱因斯坦,就是因为他从那些坑里爬出来了
Paddle1.8的神经元的接口强制要求显示声明输入、输出维度。原来的输入维度是自适应的。可能就是这个考虑吧。成熟的框架有很多历史负担(得兼容好多已经应用的业务),没这么轻装上阵。框架这种思考也是种启发吧。