飞桨常规赛：点击反欺诈预测 - 4月第8名方案 该方案针对飞桨点击反欺诈预测赛题，处理约50万点击数据。预处理含样本打乱，连续特征归一化、离散特征嵌入（处理高基数特征）；构建双层双向GRU模型，含嵌入层、全连接层等；用Adam优化器，batch_size50，动态调学习率，最高得分88.992分，还做了模型对比与优化展望。
AlexNet-经典神经网络论文阅读记录及复现1 本文记录《ImageNet Classification with Deep Convolutional Neural Networks》论文阅读及AlexNet复现。汇总了top-1/top-5错误率、卷积运算、ReLU、局部响应归一化等知识点，并用PaddlePaddle复现该网络，其含5个卷积层和3个全连接层，还介绍了网络结构与参数情况。
2021广东工业智造创新大赛-瓷砖瑕疵检测方案 该方案针对2021广东工业智造创新大赛瓷砖瑕疵检测任务，基于Paddle2.2及PaddleDetection套件的FasterRCNN模型实现。处理初赛白板瓷砖数据（含15230张训练图、1762张测试图），将标注转为COCO格式，划分训练集与验证集，经训练、评估后，生成符合竞赛要求的预测提交文件，以实现瓷砖瑕疵的定位与分类。
基于Paddle实现对机器学习模型投毒攻击 投毒攻击指攻击者通过篡改或添加恶意训练数据影响模型训练，降低其预测准确性。文中通过两个实验说明：一是用PaddleHub构造对抗样本（调整图像亮度），使ResNet模型对动物图像的预测准确率从99%降至85%；二是用Paddle实现感知机，添加5个恶意数据后，模型训练受影响，预测准确性下降，体现了投毒攻击的危害。
