初時Paddle
因為訓練語義分割網絡FCN而顯存不足，找到了aistudio。V100的32G顯存可以滿足大模型訓練的需要。
因為aistudio僅能使用paddlepaddle，所以陸續學習了兩門paddle的課程。課程付費的。
因為課程中積累的算力卡，支持我完成了一個小項目的語義分割訓練。雖然那波算力卡現在已經過期了
那個時候正巧趕上paddleseg推出，用起來感覺面向工程做的腳本很方便，正好拿來做項目。
所以在我的數據集上試驗了paddleseg預制的deeplab，hrnet等模型的效果，看着精度、速度雙雙超越自己的FCN，想着自己曾經的幾十小時語義分割模型訓練調參經歷，悔不當初就使用paddleseg。
PaddleSeg到PaddleDetection
目標檢測通常比分割簡單，但是隨着各類奇淫技巧的出現，想要快速完成目標檢測的調參也逐漸困難。
既然PaddleSeg效果不錯，PaddleDetection也應該值得一試。PaddleDetection也同樣亮點鮮明。
一直被認為是服務器端才能完成的任務，卻在PaddleDetection中被paddleSlim很好的壓縮到可以在台式機CPU、嵌入式設備上執行。
同時PaddleDetetcion也專門預置了ssdlite、mobilenet等在移動端適用的模型，幫我完成了一系列的部署前訓練。
喜問paddledetection新支持了單精度FP16的訓練，給邊緣端部署添磚加瓦，值得一試。
7日打卡營地
paddledetection推出了免費的7日打卡活動，借助老朋友aistudio提供了可以直接執行的notebook代碼，同時還設置了比賽環節。
打卡刷榜后討論，除了每天上課的強度有點大之外，總體還是很贊的。
值得一提的是，加入了anchor-free和ppyolo這樣的新成果，可以稱得上是十分前沿。
深度學習視覺應用是一個實踐性很強的領域，可以借助實訓平台和免費GPU算力來和同行們打榜刷分，是一個快樂而挑戰的經歷。
加油paddle！感謝你們！