Paddleseg的未完成之手撕代码

General

除了薅百度aistudio的GPU羊毛外，百度提供的免费课程品质也不错，这一次做图像分割的课程好的超出预期。

现场码代码。写了fcn、unet、PSP、deeplab v1、deeplab v2、deeplab v3。

边写边调试，写python的多态和集成，直到调通跑起来。 公屏上慢慢的“666”.

这一周的每天听课、做作业，花了很多的时间。知道了python中面向对象的重要，通常的bug都是在python上。

paddle系列（paddledetect、paddleseg、paddleslim）的api打包的比较好，拿到基本可以直接用，像这次一样有老师带着从头写一个网络，从dataloader开始写一个生成器，自己写前向推理，自己写训练流程，打印出输入输出的维度，添加tensor的新轴来对齐维度，对于深度学习网络的代码进行了一次“去魅”。

同时，还有新的前言图网络用作分割和9的技术，虽然没有搞懂，但也可以去回访仔细看看。

 

Segmentation

自己接触语义分割，是打工人的无奈。自己一个人做数据集、做训练、做推理。

当初苦于caffe，转向了paddleseg，一个小时内看到结果（得益于aistudio薅来的V100）。

paddleseg是静态图版本，将于2020年底更新动态图版本，祝它欣欣向荣。

train网络的卡只有一张还是有限难的，所以本次讲解的分割网络都是稍微比较大的。

像enet这样的小网络，也可以增补进来。

 

移动式部署

Nas搜一下、知识蒸馏一下，然后部署。

对于分割网络可以剪裁出像素级的轮廓适用范围会比检测框更大，比如现在的视频会议实时剪裁出人物并更换静态的背景。

数据、模型和训练暂时都还只能在server端完成，在edge、device端还需要进一步研究。

 

人事有代谢，往来成古今。
江山留胜迹，我辈复登临。