飛槳開發者投稿

上一次寫了篇薅GPU百度AI Studio計算資源的文章，收到很多AI算法初學者私信，問我能不能補充一些AI Studio的學習資源。有求必應向來是我的風格，于是我加入了AI Studio和飛槳（PaddlePaddle）開發者QQ群，為大家收集了一些資源，涵蓋了從入門到高階的各種常用算法和代碼。為了閱讀連貫性，本文先簡單介紹一下AI Studio，然后講解下免費GPU資源政策的變化與怎么拿，最后按照從入門到高階，介紹一些能幫助你盡快掌握各種算法的資源。

AI Studio是什么

AI Studio是百度提供的一個針對AI學習者的在線一體化開發實訓平臺。平臺集合了AI教程, 深度學習樣例工程, 各領域的經典數據集, 云端的運算及存儲資源, 以及比賽平臺和社區。 你可以把AI Studio看成國產版的Kaggle。和Kaggle類似，AI Studio也提供了GPU支持，但百度AI Studio在GPU上有一個很明顯的優勢。

Kaggle 最近把Tesla K80的GPU升級到了P100，確實比以前快不少，但AI Studio采用的是Tesla V100的GPU，更勝一籌。下表對比了兩款GPU性能：

AI Studio 提供了基于ipython和Jupyter Notebook的在線方案, 幾乎是當前所有機器學習/深度學習的主流方案。AI Studio 支持的深度學習框架是飛槳。比起偏向于研究的TensorFlow，飛槳偏向于應用。通常TensorFlow的幾行代碼，飛槳一行就解決了。個人感覺飛槳對于初學者來說還是很友好的。

如何獲得免費算力卡

我之前寫過一篇文章關于如何薅百度AI Studio的GPU羊毛的文章, 詳細的大家可以參考一下。不過距離上次薅羊毛到現在也三個月過去了，百度的免費GPU算力政策發生了變動，而且是往更好的變動。之前是每日運行項目送12個小時算力，現在是每天送24小時！我的天，這意味著可以24/7的不間斷的跑，用之不竭啊！我跑了一下項目，算力卡馬上來了。

目前在開發者QQ群里聽到的消息是至少持續一個月的贈送，不知道下個月還有沒，所以大家趕緊薅起來，好好利用這免費的高性能GPU資源來「煉丹」。

獲取算力方法使用資格很簡單。可登陸百度AI Studio領取，按照內容提示填寫好信息，審核后管理員會給你發放一批算力卡。有了這批算力卡你就可以開始在GPU你的項目，而且運行項目又送算力卡，就像雞生蛋蛋生雞一樣，算力取之不竭。

AI Studio精選項目大合集

零基礎新手如何利用好AI studio

熟悉Python的讀者可以跳過這節。

純新手可能還不知道怎么用AI Studio。其實很簡單。下面提供了很多教程，都是jupyter notebook形式的。你點開鏈接，會看到一個fork按鈕，然后在彈出的框里，輸入項目名稱和項目名字。

完成后，會彈出對話框問你是否現在運行

點擊”運行項目”，就會為你打開一個運行環境。

進去之后，點擊”運行”按鈕，彈出選擇環境。

然后選擇運行環境。沒算力卡？沒關系。點擊上面的點擊申請，按照提示一步步點進去，提交成功后一段時間就有免費的算力拿了。

想要修改項目代碼和運行的話，就按照上面說的步驟fork了然后運行。

可登陸百度AI Studio獲取深度學習新手入門項目合集

即使你是Python新手也沒關系，AI Studio社區提供了新手入門教程，不需要你在本地搭建環境，直接在AI Studio提供的環境跑例程，增刪改代碼，測試自己的想法。Python新手項目：《Python零基礎速成課》。

學完了上面的新手Python課程，在開始深度學習前想實戰一下Python技巧？這里有個Python爬蟲項目，教你從豆瓣爬電影數據，很適合用來鞏固Python技巧，而且項目還教你用數據幀（dataframe）格式來顯示爬來的數據，為后續學習機器學習項目打好基礎，請參照：《Python入門-豆瓣電影爬取》。

做完上述的分類器是否找到了一點入門的感覺？做點實用的吧。買房是每個人的人生大事？機器學習是否能讓你預測房價未來走勢呢？下面這個示例項目將采用線性回歸模型，帶著你探索這個問題，可查看：《波士頓房價預測》。

通過以上問題，是否對機器學習更有感覺了? 是否覺得以上模型太簡單，無法跟上你快速進步的步伐？好嘞，現在開始學習深度學習模型。首先從計算機視覺入門。

計算機視覺入門最基礎的一個數據集是MNIST。MNIST共包含了70000個手寫數字圖像，數字范圍從0-9。我們現在就要開發一個模型，讓模型能分辨手寫的0-9，詳情請查看《深度學習入門CV-手寫數字識別》。

是否太容易就到達90%多的準確率？沒事，這里有不一樣的MNIST數據，叫fashion-mnist,但這次不是手寫數字，而是十類時裝（T-Shirt、連衣裙、鞋子、外套等），你還能保持同樣高準確率嗎？詳情請查看《Fashion-MNIST數據集》。

除了計算機視覺，NLP（自然語言處理）也是深度學習里很熱門的領域。想入門NLP，何不先試試文本分類呢？詳情請查看《深度學習入門NLP-文本分類》。

如果你是一個新手，經過上述項目的訓練，你應該算是稍微入門了。接下來就是要進階了。

1. 進階學習者如何利用好AI studio學習深度學習算法

深度學習進階總是痛苦的，主要的原因是沒有足夠示例，有示例也不夠詳細，有詳細的示例但又不知道從哪個看起。為了讓讀者快速入門，我按照從容易到復雜的順序，總結了一些示例，根據示例所屬的領域，難易程度，我分了兩個主要部分：

計算機視覺（CV）

自然語言處理（NLP)

計算機視覺（CV）

可登陸百度AI Studio在公開項目查看CV項目精選

首先我們可以學習與實踐下圖像分類的算法。

圖像分類是根據圖像的信息將不同類別圖像區分開來, 是計算機視覺中重要的基本問題. 圖像分類按粒度粗細也分兩種，粗細度的是識別類型，比如這是貓還是狗；細粒度是給你一張照片, 讓你用模型識別這是緬因貓, 還是挪威森林貓)。

現在我們先做粗粒度的貓狗識別分類器。我們的任務是訓練一個分類器，去分辨哪些是貓，哪些是狗。詳情請查看《卷積神經網絡實踐-貓狗分類》。

如果你掌握了上面的貓狗分類器，那恭喜你，對深度學習圖像分類模型又有了更進一步的了解。接下來我們要做細粒度的東西，是什么呢？就是現在很火的人臉識別。下面介紹個簡單的人臉識別模型。這個模型還能識別出章子怡的照片呢！想知道怎么弄的嗎？點開鏈接探究吧。詳情請查看《卷積神經網絡-人臉識別初探》。

你也許學習完上面兩個示例，會提出疑問，貓狗識別是判斷一張照片里面的是貓還是狗, 但一張照片里如果有10只貓, 5只狗該怎么辦? 模型真的知道那個物體是目標嗎？有什么辦法讓模型知道目標呢？那就要先使用目標檢測, 把貓貓狗狗的位置圈定出來, 然后再逐一處理。順便一提，聽起來高大上的無人駕駛技術, 目標檢測也是其核心技術之一哦。接下來介紹幾個目標檢測的模型。

主流的目標檢測算法主要分為兩個類型：

1）two-stage方法，其主要思路是先通過啟發式方法（selective search）或者CNN網絡產生一系列稀疏的候選框，再對這些候選框進行分類與回歸。two-stage方法的優勢是準確度高；代表算法是R-CNN系列算法。想更深入研究是怎么回事？AI Studio社區提供了詳盡的Mask RCNN教程，除了Mask RCNN，另一個齊名的是Faster-RCNN

2）one-stage方法，如YOLO和SSD，其主要思路是均勻地在圖片的不同位置進行密集抽樣，抽樣時可以采用不同尺度和長寬比，然后利用CNN提取特征后直接進行分類與回歸，整個過程只需要一步，所以其優勢是速度快（所以在移動設備等低性能平臺上常用），但是均勻的密集采樣的一個重要缺點是訓練比較困難，這主要是因為正樣本與負樣本（背景）極其不均衡，導致模型準確度稍低。

我在AI Studio社區找到了Yolo和SSD的教程。

YOLO教程使用的數據集是自定義的螺絲螺母數據集，以下教程涵蓋了YOLO v3和YOLO v3-tiny，不僅讓你能學好YOLO，而且還提供了可以部署在低能耗設備上的模型。

接下來要介紹的是SSD。下面這個教程使用的是基于預訓練好的mobile-net訓練的SSD，使用的數據集是 pascal-voc。

關于計算機視覺的進階內容先介紹到這里，接下來介紹進階的NLP內容。還想學更高階的CV模型算法請移步到下一章。

自然語言處理 (NLP)

可登陸百度AI Studio在公開項目查看NLP項目精選

我們又回到了NLP技術領域了。 假設我們已經學過前面爬豆瓣的那課, 我們獲取了某部著名電影的評論, 我們怎么知道它的口碑究竟如何呢? 通過這篇文章, 我們可以透過語言直接看到人類的情緒。不過為了方便起見，我們下面這個例子并不直接用之前采集的數據集，而是用的是已經處理好的IMDB電影數據集。詳情請查看《循環神經網絡NLP-情感分類》。

其實情感分類是一個很重要的技術，我之前做過對股票市場的情感分析算法，可以找出市場情感對股市走向的影響。不過如果你覺得情感分類還是太簡單的話，那恭喜你，你的進步是飛快的。那你接下來可以試試更難的，就是機器翻譯。飛槳框架收集了一個叫WMT-14的數據集，提供了193319條訓練數據和6003條測試數據，應該夠你探索的了。詳情請查看《深度學習進階NLP-機器翻譯》。

2.高階學習者如何利用好AI studio

和前面一樣，還是分計算機視覺和NLP(自然語言處理)兩個主要方向來介紹項目：

計算機視覺（CV）

分類識別還不夠？來個人體姿態估計和追蹤的項目來轟炸一下你的大腦吧。下面這個項目是嘗試復現論文《Simple Baselines for Human Pose Estimation and Tracking》里的結構。項目名：《人體姿態估計與追蹤之關鍵點檢測》。

接下來介紹一個激動人心的技術：GAN。生成對抗網絡(Generative Adversarial Network，簡稱GAN) 是一種非監督學習的方式, 通過讓兩個神經網絡相互博弈的方法進行學習。GAN由一個生成網絡和一個判別網絡組成, 生成網絡從潛在的空間(latent space)中隨機采樣作為輸入, 其輸出結果需要盡量模仿訓練集中的真實樣本。判別網絡的輸入為真實樣本或生成網絡的輸出, 其目的是將生成網絡的輸出從真實樣本中盡可能的分辨出來。而生成網絡則盡可能的欺騙判別網絡, 兩個網絡相互對抗, 不斷調整參數。生成對抗網絡常用于生成以假亂真的圖片。此外, 該方法還被用于生成影片, 三維物體模型等。我們將利用GAN，做個圖像風格遷移的項目：《風格遷移之圖像翻譯Pix2Pix》。

自然語言處理 (NLP)

現在對話聊天機器人是很火的方向。但是要使得聊天機器人表現得懂用戶，那就需要識別對話情緒。專注于識別智能對話場景中用戶的情緒。在這方面百度發布了自己的模型ERNIE。通過建模海量數據中的詞、實體及實體關系，學習真實世界的語義知識。相較于 BERT 學習原始語言信號，ERNIE 直接對先驗語義知識單元進行建模，增強了模型語義表示能力。下面這個項目將帶你學習ERNIE：《ERNIE對話情緒識別》。

之前我們講過語言情感分類和語言翻譯，你會覺得這不是很簡單嗎，對機器來說小兒科。但如果讓機器來做閱讀理解呢，或者讓機器去回答問題呢，有想過嗎？有個模型的提出讓以上這些問題都有了希望，這個模型就是BERT（Bidirectional Encoder Representations from Transformers）。想知道BERT是什么，怎么工作的？下面這個項目能幫到你：《語義表示模型 BERT》

機器閱讀理解(MRC)是自然語言處理(NLP)中的關鍵任務之一，需要機器對語言有深刻的理解才能找到正確的答案。機器閱讀理解領域有個著名的模型叫BiDAF模型（Bi-Directional Attention Flow for Machine Comprehension）。下面這個項目將會幫助你了解更多：《機器閱讀理解之BiDAF模型》。

3.其他AI Studio上的學習項目

由于CV和NLP是熱門研究領域，以上項目都只提到CV和NLP。但深度學習的研究范圍和應用范圍很廣，只是限于篇幅原因不能一一詳盡。為了照顧到更多領域的讀者，以下還收集了一些推薦算法的AI Studio的項目，這里僅列舉一下，不再一一介紹。有興趣的讀者可以登陸百度AI Studio公開項目中研究下

（1）基于飛槳PaddlePaddle的SR-GNN推薦算法

（2）個性化推薦之多視角Simnet模型

（3）飛槳PaddlePaddle分布式推薦算法實踐

（4）用飛槳PaddlePaddle實現個性化推薦

（5）標簽推薦算法之TagSpace

（6）推薦算法gru4rec之飛槳PaddlePaddle實現

意猶未盡，還需要找更多的AI Studio深度學習項目？或者遇到問題不知道怎么解決？可以登陸百度AI Studio去下面兩個地方尋找幫助。

（1）項目合集頁，在這里有很多官方和其他機器學習愛好者發布的項目

（2）論壇社區，如果你出現難解的問題，不妨上來看看有沒人遇到過同樣的情況

小結

本文介紹了一個免費贈送GPU算力的深度學習平臺AI Studio。首先介紹了AI Studio是什么，在性能上有什么優勢，同時也介紹了如何獲得免費GPU算力。最后用大量的篇幅介紹了如何利用好AI Studio上的學習資源，實現深度學習從入門到高階。

現在每天贈送24小時算力，簡直是天上掉下的羊毛，不薅白不薅。羊毛不是天天有，該出手時就出手！

總結

以上是生活随笔為你收集整理的python算法教程百度云_如何用免费GPU学习AI算法？这篇算法资源大集锦别错过的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。