【2020华为云AI实战营】 基于图像分类和物体检测的课程实践小结

        大家应该都知道，目前最火的就是人工智能、机器学习了。为了追赶社会的技术主流，今年年初开始系统的对机器学习算法进行了学习。花了一个月的时间大致了解了逻辑回归、线性回归、K-近邻算法、贝叶斯分类、决策树与随机森林以及神经网络等等。但是说真的，机器学习太复杂了，作为孤军奋战的自己很难往深处探究，首先自己的电脑配置就不行。后来4月份的时候，无意间看到了华为的比赛，是关于机器学习的，于是自己就去了解了一下。刚开始，只能根据专家提供的Baseline和操作文档，一步一步的操作，把baseline完整的跑一遍，说实话，那个时候真的有太多的东西不懂，比如：自动学习、数据集、模型管理、部署上线等等。

        因为不懂，后来自己就放弃了研究。再后来，加入了华为云开发者青年班，里面有太多的小伙伴一起学习，一起讨论，一起研究，让我瞬间觉得自己不是一个人，突然变的很有激情，全身心的投入进去。

        就这样，慢慢的，我对ModelArts平台以及OBS桶的使用越来越熟练，甚至到了后面都不用看操作文档。当然我也知道了，模型训练原来包含3个功能：1.模型开发及训练；2.发布训练任务；3.自动超惨优化；太基础的我就不讲了，只要认真学，这些都能理解的。

        现在说一下我对华为云AI实战营前两章内容的学习小结。

        第一章学习了图像分类，刚开始先简单介绍了ModelArts是一站式AI开发平台，这个很棒啊。从数据到数据处理到模型训练到模型管理到部署再到AI应用，一站式平台，便于随时随地开发。通过这次学习，我彻底弄懂了自动学习，创建AI模型就是上传并标注数据、训练模型、验证并发布模型，真正的做到了零代码玩转机器学习。自动学习类似于AutoML的算法，不需要调参，也不需要挑选算法，如果想要自己开发或者想提高模型的准确率，预置算法最好不过了。当然，我还了解到常用的三种学习效率，分别是固定学习率、分段学习率以及自适应学习率。

        第二章学习了物体检测，这一章主要讲述了使用FasterRCNN算法和YoloV3算法进行物体检测。通过这两个案例，了解到了FasterRCNN算法虽然推理精度比较高，但是推理速度较慢，相反的，YoloV3算法推理速度很快，但是Label精度比较低，图像扭曲，无背景过滤，适用于实时检测场景。

    有了第一章的理论基础与实践操作，第二章很顺利就完成了。这次先对课程进行总结吧，下一篇就写写自己的实际操作以及遇到的问题和解决的办法。感谢ModelArts平台，让自己从实践中去学习，去发现问题，这种学习真的太棒了！

PS：所有文字全部是自己手敲的。