做为国内人工智能领军企业，百度一直为AI产业发展和落地提供基础性支持，助力AI核心技术开源，落地AI应用和人才培养。算法
下载安装命令
## CPU版本安装命令
pip install -f https://paddlepaddle.org.cn/pip/oschina/cpu paddlepaddle
## GPU版本安装命令
pip install -f https://paddlepaddle.org.cn/pip/oschina/gpu paddlepaddle-gpu
一直以来，百度坚持为全国各大高校免费提供AI教学全套工具：包括AI教学平台AI Studio，CV和NLP很多于40课时的两套零基础入门到实战的系列课程教案以及实践案例，更有Tesla V100 GPU算力卡免费赠送，为高校师生在学习AI的道路上保驾护航。网络
在高校中，也涌现出一批将百度AI技术应用到实际教学中的例子，今天咱们的主人公就是这样的一位老师。框架
先带你们认识本次课程的重量级主讲老师——燕山大学冯建周副教授。机器学习
主讲老师工具
冯建周 副教授 燕山大学信息科学与工程学院副教授，硕士生导师post
中国计算机学会高级会员，CCF大数据专家委员会专委学习
前后在国内外重要期刊和学术会议发表学术论文20余篇测试
主持或参与国家天然科学基金和河北省天然科学基金项目大数据
由于疫情影响，今年冯建周老师将课程搬到了线上，依托百度AI提供的全套课程内容,在AI Studio上进行教学和实践。优化
这门课程是《Python机器学习》，主要讲授机器学习基本算法，同窗们须要进行大量线上实战，课程中老师精心设计了六组实验。
另外一方面，为了延伸课程，锻炼学生的综合实践能力，老师还设计了一个三级项目环节，将AI Studio平台中的竞赛题目做为课程三级项目。包括：问答摘要与推理、人流密度检测、中文阅读理解、十二种猫分类等几个竞赛题目，让学生自由发挥，锻炼实操动手能力。
结课后，冯老师表示，“没想到教学效果出乎意料的好，AI Studio平台不只提供了咱们最须要的计算资源，还提供了丰富的实验案例，内置项目和视频功能，更是极大的减小了咱们准备教案、备课的时间，不只让学生能够自主学习，咱们也能在后台看到学生的学习状态，对平常教学起到很大的帮助做用。”
老师如此盛赞，小编已经很是好奇了，一块儿来看看百度飞桨究竟为同窗们带来了哪些成长和变化呢？
01 深度学习新人的飞桨常规赛之旅
——Halation同窗
小组参加的是《常规赛：问答摘要与推理》，比赛主题为汽车大师的问答摘要与推理。做为深度学习刚刚入门不到三个月的新人，小组成员在初次看到比赛题目时，感受无从下手。
通过老师指点，以及遍查资料后，他们决定先从文本摘要和文本推理两个方面入手，但训练后的结果不尽如人意，准确率下降。
网络结构示意
通过分析，成员们将缘由锁定在网络模型不适合。若是可以人为剔除更多的对于摘要可有可无的单词，也许能够达到更好的效果。
Halation同窗说：“在机器学习入门的过程当中，咱们发现AI Studio平台中有着丰富的数据集资源和各类经典的实践案例，这无疑成为咱们学习的宝库。另外一方面，咱们也从平台的众多开源项目中学习到了更多关于机器学习，尤为是深度学习方面的知识。感谢百度飞桨和AI Studio平台，经过学习，咱们小组也对飞桨框架有了更多的了解，对深度学习的许多模型也有了更深的认识。咱们但愿在从此的学习中，更加深刻了解深度学习中的模型结构，掌握模型的底层原理，最后游刃有余地运用网络模型，解决更多的实际问题。”
经过训练找到进步的地方，同窗们的成长棒棒哒，少年们将来可期～
项目连接：
https://aistudio.baidu.com/aistudio/projectdetail/383197
02 飞桨教你作人流密度估计
——隔壁老常同窗
近年来，行人分析视觉技术在居家、安防、新零售等多个重要领域普遍应用。
项目要求参赛者给出一个算法或模型，对于给定的图片，统计图片中的总人数。给定图片数据，选手据此训练模型，为每张测试数据预测出最准确的人数。
最终两模型各训练90000batch后结果以下：
通过讨论，同窗们总结了两点改进意见：
一、对libs.post_process后处理中的参数进行优化；
二、预测忽略区域，在测试时填充黑色。
在不断的练习中复盘，同窗们努力寻求更优解，百度飞桨见证了同窗们一点一滴的进步和成长。
项目连接：
https://aistudio.baidu.com/aistudio/projectdetail/475632
03 飞桨帮你作中文阅读理解
—— day我不dead同窗
说起阅读理解，咱们的第一印象就是中学的时候英语试卷中的阅读理解，与之相似，机器阅读理解，其实就是让机器学会阅读文档，并能从中找出正确答案。
刚拿到这个题目时，团队成员的大脑几乎一片空白。脑中不断涌现出各类问题：如何将文本转换为数值型数据？RNN仍是CNN？网络结构应该如何配置？用什么模型训练能够取得好的结果等等。
通过努力，他们最终利用DuReader数据集的Baseline，解决了上述的全部问题。
day我不dead同窗说：“感谢飞桨给咱们提供了一个提升本身，锻炼本身的平台，给咱们提供了许多NLP领域优质的免费资源，还有许多优秀项目可供借鉴，而且免费的GPU真的很良心、很好用！祝飞桨愈来愈好！”
项目连接????：
https://aistudio.baidu.com/aistudio/projectdetail/475972
04 猫十二分类-飞桨图像分类帮我云撸猫
——君匡同窗
工做太累，看一些猫猫的图片或者是短视频，才有继续努力的动力呢！云撸猫是如今很大一部分爱猫人士缓解压力的方法。
可是，两只小猫好像啊，会不会是同一种猫猫呢？
本次研究使用的数据来源于百度官方提供的猫脸识别-12种猫分类数据集，包含有12种猫咪的图片，共2160张猫咪图像，每一类均有180张左右的照片。
小组成员运用百度飞桨深度学习框架，构建了以ResNet101为骨架的深度神经网络的猫咪图像分类模型，对猫咪的图像进行分类和目标识别。
通过实验和分析，实现了对猫咪进行图像分类，单目标猫咪分类准确率为94%，说明基于飞桨框架的图像分类具备较好的准确率。
若是之后云撸猫，这个项目就能让你更轻松的判断可爱的猫猫究竟属于哪一个类别啦～
项目连接????：
https://aistudio.baidu.com/aistudio/projectdetail/474305
05 利用飞桨实现文本摘要总结
——舍卟得放卟下灬同窗
这个项目主要是飞桨平台进行文本摘要生成，运用Word2Vec和TextRank算法来对文本进行摘要生成。
小组同窗们须要在AI Studio中使用所提供的训练集（82943条记录）创建模型，基于汽车品牌、车系、问题内容与问答对话的文本，输出建议报告文本。
来看看同窗们是如何实践的？
舍卟得放卟下灬同窗说：“通过了此次实践，对NLP的了解更深刻了，有些遗憾的是此次没有使用到Seq2Seq模型这个大杀器，若是使用的话，效果可能会更好。”
不用遗憾，意识到问题自己就是最大的成长，相信同窗在飞桨平台上不断训练后，必定会有更多的收获与成长～
项目连接：
https://aistudio.baidu.com/aistudio/projectdetail/474553
06 基于飞桨进行中文新闻标题分类
——彩虹的男人20同窗
网络新闻正在成为人们获取新闻的主要途径，如何对冗杂的新闻进行分类，无疑是一个急需解决的问题！
基于此，同窗们将在飞桨平台上采用BiLSTM模型，对THUCNews 数据集进行中文新闻文本标题分类。
最后，同窗们在七个方面对模型进行优化，将准确率提升到了93%，较其余使用同等模型的项目效果有所优化。
彩虹的男人20同窗说：“首先真的特别感谢百度提供的飞桨平台，不只为咱们提供了易于上手操做的项目基础，并且在项目执行时提供了免费的GPU算力卡，为咱们进行项目优化留出更多的时间。咱们会继续使用百度飞桨平台来学习使用bert+fc来优化此新闻文本分类项目。”
项目连接：
https://aistudio.baidu.com/aistudio/projectdetail/399250
看完同窗们的这些做业，小编不由暗自感叹：同窗们都太优秀了！
水滴石穿，非一日之功。在百度AI强有力的帮助下，同窗们经过项目不断总结反思，提炼技术，能力广泛得到提高、进步，完成了从AI小白到进阶选手的蜕变。
冯老师表示，“百度飞桨不只锻炼了学生的综合实践能力，也培养了不少同窗对人工智能的浓郁兴趣，他们在项目结束后，并无中止下来，而是纷纷报名参加了平台上的多个AI竞赛，走上实践创新的道路。”
种一棵树最好是在10年前，其次是如今。期待更多高校、机构分享本身的教学成果，一块儿创造更好的课程，持续创新，取得胜利！在飞桨平台的支持下，共同助力AI人才发展，期待将来能与更多优秀老师、同窗在飞桨相遇！
下载安装命令
## CPU版本安装命令
pip install -f https://paddlepaddle.org.cn/pip/oschina/cpu paddlepaddle
## GPU版本安装命令
pip install -f https://paddlepaddle.org.cn/pip/oschina/gpu paddlepaddle-gpu