为期两周的实习，让我收获很多。从最开始接触Paddle到熟悉整个论文复现流程，学习到很多新的知识。最开始的一篇关于GHM_loss，阅读论文之后，作者是在retina_net的基础上，针对正负样本的梯度不均衡问题，提出了梯度密度的概念，针对分类和回归问题，设计了GHMC和GHMR两种损失函数。在具体复现时，遇到了很多问题，前向对齐了resnet50,但是在后面Loss的计算中，差一些精度，在后面训练的时候出现了不收敛等问题。在关于第70篇Visual Attention Model in Deep Learning的复现中，在论文训练指标评估阶段遇到了问题，原torch代码对tensor进行max(1)[1]，而在paddle中需要借助paddle.argmax()函数实现相关功能，找到这个bug费了好些时间。另外在有一篇关于NLP的论文中，遇到了torch.nn.utils.rnn.pack_padded_sequence的算子，这个在paddle中并没有对应实现，在请教研发老师后，建议在RNN或者LSTM中输入传入sequence_length实现等价的功能。

两周的时间，学习到了很多，也结识了很多有趣的朋友，收获满满！