都已经到第三周了，想谈一谈具体的的收获、成长以及自己的学习心得。
前言
回顾自己21天的学习经历，我只能说自己从零基础到深度学习的入门再到动手实践，如果说自己关于深度学习学的很深，21天只能说太短了，但是对于我来说，掌握深度学习的基本概念、掌握一系列的设计模式、掌握几种常用的卷积神经网络的模型并在此基础上进行实践对于我来说知足了。
思维导图
关于深度学习的由浅入深（案例）并培养对应得设计模式、思考分析的思维，在此我绘制了关于深度学习的思维导图：
之后，我希望能谈一谈自己的学习效果，而这打卡作业、实践作业、学习笔记以及AI识虫比赛是最直观的表现，通过这些直观的表现，我觉得自己也能从中反省有些为什么没有做好以及从中学习到的知识和经验。
点评章节
从第一章的零基础入门深度学习到第二章的一个案例吃透深度学习、第三章的计算机视觉最后到第四章的目标检测YoLoV3，这是一个阶段性的、由浅入深的、逐渐建立设计思维和动手实践的模式，在其每一节当中，虽然老师可能讲的不是很细致（其实也是很细致），但是在对应项目中是写的十分细致的，从概念讲解到具体划分、作图演示到公式推理最后到代码环节，而代码中也有十分详细的注释，虽然很多人吐槽内容很多，根本看不完，但是我认为这样才充实啊，做事总得踏踏实实，认认真真才会取得效果，凡事也不可烦躁。
打卡作业
打卡作业一共有八次，七题客观题，一题动手题，打卡作业其实并不难，但其实我自己一直难以跟上学习的进度，但打卡作业又是第二天中午12：00截止，在某种程度上是很难受的，但由于打卡作业不难，查阅项目中的内容是可以做完的，但确不那么游刃有余，而自己打卡作业的分数并不高，很大程度上是自己不够仔细、严谨，所以说细节决定成败。
打卡作业错误汇总
| 问题 | 正解 |
|---|---|
| 不是飞桨中的API函数？ | paddle.fluid.io.output |
| 房价预测和手写数字识别两个模型在哪个部分是肯定不同？ | 数据处理 |
| 修改损失函数，需要改动哪些部分的代码？ | 网络设计、数据处理、训练过程 |
| 恢复训练可以在磁盘中读取哪些模型变量？ | 优化器、参数权重 |
实践作业
实践作业一共有三次，预习作业和第一、二周的实践作业，实践作业更加偏向对模型的设计能力、对代码的理解能力以及自身的动手能力，而更重要的是，自己虽然不具备独立设计一个模型，但是可以在已有的模型基础上修改以更适用于不同的场景，如修改损失函数、调整学习率及衰减函数、增加网络层数等等，而这也是最能体现你对该模型的理解程度如何，整体设计思想是否把握，以及对每一步骤是否真正弄懂，而我在这一方面表现可还行。
秀一秀成绩单，Hhh
学习笔记
我自己认为做学习笔记是相对比较麻烦的一件事，为什么呢?，首先你要你需要有一定的写作能力，其次还需要对文字进行排版，还有对做公式、画图等等，而且它也是一件比较费时的事情，不过它很有效果，它不仅能够帮助你记录自己学习过程，而且还能加深你对课程的理解。
学习笔记传送门：学 习 笔 记
AI识虫
AI识虫是最后的比赛，但是可调优的点有如下：
1、 使用其它模型如faster rcnn等 。
2、 使用数据增多，可以对原图进行翻转、裁剪等操作。
3、 修改anchor参数的设置，教案中的anchor参数设置直接使用原作者在coco数据集上的设置，针对此模型是否要调整 。
4、 调整优化器、学习率策略、正则化系数等是否能提升模型精度。
很多好的模型并不是一下子就出来的，需要通过大量的试验，所以，多试试、多优化、多跨越，说不定就成功了呢？
我想用我最喜欢的一句话的总结：在你所包含全部原子再度按热力学第二定律回归自然之前，它们既经历过悟性的神奇，也产生过人性的可爱。
这次笔记真心做得不易，希望助教 小哥哥小姐姐 给一个名次撒~~