一、缘起

三年前，为什么会认识AI Studio呢？大概是这样……

（PS：说来好笑，现在这个搜索结果里基本看不到百度自家的AI Studio，哈哈哈）

二、开源之初

虽然当时其实注册了账号，但应该说在长达半年的时间里，都没怎么用起来。好在平台有创建日期的记录，翻翻当初的项目，也可见一些端倪。

规则和现在一样，当时AI Studio虽然提供几乎连续的免费算力，但必须使用飞桨框架。于是过去TF、Keras、PyTorch换着用的我，只好翻翻Paddle的模型库试着跑个Demo。虽然项目很不成熟，不过印象中那时平台上没太多类似的教程，也就厚脸皮地开源了，希望能帮到后面的新用户。

（这几个最早的项目还有上百Fork也是震惊的……导致一直纠结着没删掉，留下了历史记录哈哈哈）

一个月后，因为报名了某平台的比赛需要算力，这回，重要正儿八经地研究如何将飞桨的模型库用于实战，如何做数据清洗，如何配置config文件，如何将预测结果处理为需要提交的格式……同时，我发现PaddleDetection这个模型库还是非常好用的，因此这番尝试，也开始了各种瑕疵检测、安全帽检测等等项目的开发历程。

什么时候开始认真写开源项目？这要从写精品送积分开始。印象中那时候宋迪老师在群里宣传了这个活动，当时我这个深度学习小白，弱弱地问，如果是没有用飞桨框架写的机器学习项目，可以投稿么？收到了肯定的答复，于是就有了【用户购买预测基线】这么一个系列。

【用户购买预测】这个系列，应该也是我第一次在AI Studio上打比赛。不过我参赛的原因可能比较与众不同，是因为当时公司有个业务场景和这个比赛的数据非常类似。当然，对于我等小白，这么一系列项目肯定不是从0开始写的。在国外某竞品平台上，早有类似解决方案，只不过散落在多个比赛中，而且还需要一些数据预处理。就这样，在参考借鉴开源方案的过程中，我就把这一系列解决方案在用户购买预测比赛复现了。

三、小白进阶

不过，虽然有了一些精品项目，我依然还是个深度学习方面的小白。虽然会照着文档用点模型库，但是理论知识还相当欠缺。好在AI Studio上推出了各类课程，简直就是及时雨！

应该说，最开始参加这些7日打卡课的时候，那是喜忧参半。喜的是这些课程真是精品，大佬们讲得深入浅出，忧的是，这时间也有太紧凑了！几乎每天都有课，而且当天课程作业提交截止时间往往是第二天中午……对于我等小白，实在是有点难，以至于很多时候，优秀学员、作业抽奖什么的，都赶不上啊。

不过后来想想，很多时候，学习也是一鼓作气、再而衰、三而竭的过程，很多资料收集下来，三天打鱼两天晒网也就忘了；多少书籍翻开，只看了个开头。7日课程形式其实非常好，能跟下来，收获绝对是满满的。深度学习工程师集训营、目标检测、图像分割、强化学习、PGL……这系列课程个个精品。再后来，自己从学员变成助教，甚至能偶尔当当入门课程的讲师，AI Studio上的这些经典课程功不可没。

四、写项目变成习惯

自从一不小心混上了AI Studio的榜单，然后又一不小心在榜首待了一段时间，经常会被问道这个问题：为什么会写这么多开源项目？

其实我想说：因为写项目有积分啊，不写还会被催稿（哈哈哈逃……）。

当然也不全是为了积分，客观上是自己本地建的博客站不稳定，放在公司服务器里，搬了几次家；放在自己机器里，硬盘挂了= =

另一方面，AI Studio这类平台，直接用Jupyter Notebook形式开源项目，兼具文章阅读和fork即运行功能，本就是一种非常好的开源载体。

搞IT基本都得写博客吧？只不过是把每周要写的博客搬了过来。

而且，开源同时也是一种约束，如果仅仅是把一段时间的学习成果单纯记录下来自己看，可能会写得比较随便；但是当我们要开源给各位读者看时，随之而来将提升自己对项目质量的要求，有时，不得不去翻阅更多的资料，确认某处理论介绍是否到位，再也不能囫囵吞枣；代码质量也有要求，该注释的地方，需要讲清楚。

五、结语

最后，当然要感谢AI Studio，它让我把深度学习变成了一种习惯。这里，深度学习既是关于AI的，也是关于知识的。

我在AI Studio上获得至尊等级，点亮10个徽章，来互关呀~

https://aistudio.baidu.com/aistudio/personalcenter/thirdview/90149

祝AI Studio三周岁生日快乐！