基于 Paddle2.0 实现 HarDNet 模型 HarDNet是低内存流量网络，以Harmonic Dense Blocks为特色，推理时间较多种主流模型减少30%-45%。项目迁移其代码和预训练模型，前向计算结果、精度与官方一致。含多种型号，参数3.5M-36.7M，Top-1精度72.08%-78.04%。验证集用特定数据处理，还演示了Cifar100上的训练。
【PaddlePaddle】基础理论教程 - 前馈神经网络概论 本文介绍前馈神经网络（FNN），其源于对生物神经网络的研究，可追溯至20世纪40年代。文中阐述了其发展背景，详解结构设计，包括输入层、隐藏层、输出层及层间连接，还介绍了数据构成、神经元运算原理，分析多种激活函数特性，并展示了简单前馈神经网络的构建过程与计算示例。
PaddleHub DEMO项目合集(运行版) 便捷地获取PaddlePaddle生态下的预训练模型，完成模型的管理和一键预测。配合使用Fine-tune API，可以基于大规模预训练模型快速完成迁移学习，让预训练模型能更好地服务于用户特定场景的应用。
飞桨常规赛：点击反欺诈预测 - 12月第7名方案 广告欺诈是数字营销需要面临的重要挑战之一，点击会欺诈浪费广告主大量金钱，同时对点击数据会产生误导作用。本次比赛提供了约50万次点击数据。特别注意：我们对数据进行了模拟生成，对某些特征含义进行了隐藏，并进行了脱敏处理。
【PaddlePaddle+OpenVINO】用PaddeHub的ONNX模型 本文介绍将PaddlePaddle及PaddleHub模型通过转换为ONNX模型，再用OpenVINO调用的方案。因Paddle模型在云函数部署麻烦、存储空间大且Intel CPU上预测速度不稳，而OpenVINO可优化且支持ONNX模型。文中详述环境配置，以及两种模型转换为ONNX并在OpenVINO调用的步骤，还提及相关问题与解决尝试。
给你的神经网络降低一个八度：八度卷积飞桨版本复现 本文围绕八度卷积（OctConv）展开，解读其分离高低频特征图以降冗余的原理，并用PaddlePaddle复现OctConv及基于它的Oct-Mobilnetv1、OctResNet。在Cifar10数据集上实验，对比原模型，Oct版本参数量略增，训练精度相近，评估精度稍降，验证了其可行性。
基于PaddlePaddle2.2的数据建模研究助手 本项目基于PaddlePaddle2.2，在波士顿房价预测案例基础上优化，增加epoch与loss对应图及最低loss时epoch-id函数以找最佳参数，用相关系数评价回归结果。通过数据探索分析、预处理、建模训练、预测等步骤，对比数据打乱与否的效果，揭示机器学习与传统拟合的区别，还包含模型应用及结果可视化。
【复现赛 NLP】 基于 Paddle 实现 Canine 模型 世界上存在海量的语言与词汇，在处理多语言场景时，传统预训练模型采用的 Vocab 和 Tokenization 方案难免会遇到 Out of Vocabulary 和 Unkonw Token 的情况。 Canine 提供了 tokenization-free 的预训练模型方案，解决了 Out of Vocabulary 问题的同时，提高了模型在多语言任务下的能力。
我在AI Studio学编程 该内容分两部分介绍在AI Studio学编程。第一部分讲C语言篇，包括新建项目、终端基本命令，用vim编写程序、gcc编译及执行方法，还解释了argc和输出重定向。第二部分是Java篇，涉及查看Linux版本、解压JDK、编写及编译Java代码等内容。
【AI达人特训营】基于飞桨实现系统认证风险预测-异常检测 该项目基于百度飞桨实现系统认证风险预测的异常检测。先对用户认证行为数据处理，提取特征如时间差、不同维度的统计量等。构建含多层全连接层的分类模型，用kl_loss损失函数，经训练和验证，评估模型性能，最终生成预测结果用于判断用户认证行为是否有风险。
