Paddle和PaddleDetection的个人经历

初时Paddle

因为训练语义分割网络FCN而显存不足，找到了aistudio。V100的32G显存可以满足大模型训练的需要。

因为aistudio仅能使用paddlepaddle，所以陆续学习了两门paddle的课程。课程付费的。

因为课程中积累的算力卡，支持我完成了一个小项目的语义分割训练。虽然那波算力卡现在已经过期了

那个时候正巧赶上paddleseg推出，用起来感觉面向工程做的脚本很方便，正好拿来做项目。

所以在我的数据集上试验了paddleseg预制的deeplab，hrnet等模型的效果，看着精度、速度双双超越自己的FCN，想着自己曾经的几十小时语义分割模型训练调参经历，悔不当初就使用paddleseg。

PaddleSeg到PaddleDetection 

目标检测通常比分割简单，但是随着各类奇淫技巧的出现，想要快速完成目标检测的调参也逐渐困难。

既然PaddleSeg效果不错，PaddleDetection也应该值得一试。PaddleDetection也同样亮点鲜明。

一直被认为是服务器端才能完成的任务，却在PaddleDetection中被paddleSlim很好的压缩到可以在台式机CPU、嵌入式设备上执行。

同时PaddleDetetcion也专门预置了ssdlite、mobilenet等在移动端适用的模型，帮我完成了一系列的部署前训练。

喜问paddledetection新支持了单精度FP16的训练，给边缘端部署添砖加瓦，值得一试。

7日打卡营地

paddledetection推出了免费的7日打卡活动，借助老朋友aistudio提供了可以直接执行的notebook代码，同时还设置了比赛环节。

打卡刷榜后讨论，除了每天上课的强度有点大之外，总体还是很赞的。

值得一提的是，加入了anchor-free和ppyolo这样的新成果，可以称得上是十分前沿。

深度学习视觉应用是一个实践性很强的领域，可以借助实训平台和免费GPU算力来和同行们打榜刷分，是一个快乐而挑战的经历。

加油paddle！感谢你们！