Skip to content

Latest commit

 

History

History
173 lines (135 loc) · 13.4 KB

Call_For_Tutorials.md

File metadata and controls

173 lines (135 loc) · 13.4 KB
Raw

[Call for Contribution] Tutorials for PaddlePaddle

基于飞桨的应用实践：建设

第一期任务 🎺

负责人：莫琰 momozi1996

1. 建设目标

飞桨官网的应用实践栏目是许多人学习及使用飞桨的重要的、基础的材料。 本期活动的目标是：

  • 1）基于 飞桨框架 2.0及以后 版本，建设 5 ~ 10 个 tutorial，呈现在官网的 应用实践 里。
  • 2）新增的应用实践，需完美适配于 PaddlePaddle 2.0 及以后 的版本。
  • 3）😊 呼吁社区开发者，参与共建飞桨框架的应用实践，了解、学习如何使用飞桨开发相关任务。

2. 应用实践清单

我们从现有及待补充的内容进行了初步评估，现梳理如下：

【应用场景】

  • CV (image)： 使用深度学习网络处理图片类数据。
  • CV (Point)： 使用深度学习网络处理点云类数据。
  • Video （视频）：使用经典的深度学习方法处理视频类数据。
  • 可解释性 ： 神经网络性能的可解释性。
  • 时间序列 ： 使用经典的深度学习方法处理时间序列数据。
  • 图数据 ： 使用经典的深度学习方法处理图数据。
  • NLP ： 自然语言处理任务。
  • Audio （语音） ： 使用深度学习方法处理语音文件。
  • 推荐： 使用深度学习方法完成推荐任务。
  • 强化学习 ： 使用深度学习中的强化学习方法。
  • GAN ： 使用深度学习生成对抗网络。
  • 多模态 ： 使用深度学习方法处理多种模态的数据。（图片、音频、文本）

【参与者-选题方式】

  • 方式一：列表选题，见招募列表（提供了选题方向、题目、优秀的对标项目、文章和代码，以供学习）。
  • 方式二：自选题目，对于非参考列表内的题目，可自主命题，需要与负责人 momozi1996 讨论后决定题目。

招募列表（10月20日公开）

序号 领域 题目 新增点 参考范例 认领人
01 CV (image) cifar100数据集上基于Vision Transformer 实现图片分类 Vision Transformer (ViT) https://keras.io/examples/vision/image_classification_with_vision_transformer/ ----
02 CV (image) Crowd Instance-level Human Parsing Dataset 数据集上使用DeepLabV3+实现多分类语义分割 DeepLabV3 https://keras.io/examples/vision/deeplabv3_plus/ --
03 CV (image) Caltech 101 数据集上基于Vision Transformer 实现飞机目标识别 Vision Transformer (ViT) https://keras.io/examples/vision/object_detection_using_vision_transformer/ ----
04 CV (image) MosMedData: 新冠肺炎胸部 CT扫描数据集上基于3D-CNN实现二分类任务。 3D-CNN（医学图像） https://keras.io/examples/vision/3D_image_classification/ ----
05 CV (Point) PASCAL 3D+数据集上使用 PointNet 实现5类点云的分割 PointNet （点云数据） https://keras.io/examples/vision/pointnet_segmentation/ ----
06 Video （视频） UCF101数据集上实现基于TimeSformer模型的视频分类 transformer https://aistudio.baidu.com/aistudio/projectdetail/2162025?channelType=0&channel=0 ----
07 Video （视频） COCO数据集上实现基于Mask-RCNN的视频分割 Mask-RCNN https://github.com/facebookresearch/maskrcnn-benchmark ----
08 Video （视频） Moving MNIST 数据集上基于卷积LSTMs的下一帧视频预测 卷积LSTMs https://keras.io/examples/vision/conv_lstm/ ----
09 Video （视频） UCF101数据集上基于TSM的视频理解 TSM https://aistudio.baidu.com/aistudio/projectdetail/4114499?channelType=0&channel=0 ----
10 Video （视频） MedMNIST数据集上基于Video Vision Transformer的医学轻量视频分类任务。 Video ViT（医学视频） https://keras.io/examples/vision/vivit/ ----
11 可解释性（神经网络性能的可解释性） 使用Grad-CAM 类激活可视化深度学习网络性能的可解释性 Grad-CAM https://keras.io/examples/vision/grad_cam/ ----
12 时间序列 PeMSD7 真实交通速度数据集上利用 图神经网络 和 LSTM 进行交通预测 GNN & LSTM https://keras.io/examples/timeseries/timeseries_traffic_forecasting/ ----
13 时间序列 Jena Climate时间序列数据集上使用LSTM进行温度的预报 LSTM https://keras.io/examples/timeseries/timeseries_weather_forecasting/ ----
14 时间序列 FordA噪声测量数据集上使用FCN进行发动机噪声分类 FCN https://keras.io/examples/timeseries/timeseries_classification_from_scratch/ ----
15 时间序列 baostock 证券数据集下使用LSTM 模型预测 A 股走势 LSTM https://colab.research.google.com/github/invisprints/blog/blob/master/_notebooks/2020-04-17-LSTM-stock.ipynb ----
16 图数据 Cora数据集上使用图关注网络GAT进行科学论文的预测 GAT https://keras.io/examples/graph/gat_node_classification/ ----
17 图数据 BBBP分子药数据集上使用MPNN模型进行分子的性质预测 药物性质预测 https://keras.io/examples/graph/mpnn-molecular-graphs/ ----
18 NLP IMDB数据集上基于双边 LSTM的文本分类任务 双边 LSTM https://keras.io/examples/nlp/bidirectional_lstm_imdb/ ----
19 NLP English-to-Spani数据集下基于sequence-to-sequence Transformer的机器翻译任务 Transformer https://keras.io/examples/nlp/neural_machine_translation_with_transformer/ --
20 NLP 文献检索数据集下基于Pair-wise模型的语义检索系统 Pair-wise https://aistudio.baidu.com/aistudio/projectdetail/3351784?channelType=0&channel=0 --
21 NLP RSC15数据集下构造序列语义检索SSR模型 SSR模型 https://aistudio.baidu.com/aistudio/projectdetail/205028?channelType=0&channel=0 --
22 NLP NLPCC2018数据集下基于word2vec构造知识库问答系统系统 word2vec https://aistudio.baidu.com/aistudio/projectdetail/3206157?channelType=0&channel=0 --
23 NLP NLPCC14-SC和ChnSentiCorp数据集下基于SKEP构造句子级的文本情感分析 SKEP https://aistudio.baidu.com/aistudio/projectdetail/2097355?channelType=0&channel=0 --
24 Audio （语音） LJSpeech 数据集下使用CTC进行自动语音识别 CTC https://keras.io/examples/audio/ctc_asr/ --
25 Audio （语音） LJSpeech 数据集下使用Transformer进行音频语音片段的自动语音识别(ASR) Transformer https://keras.io/examples/audio/transformer_asr/ --
26 推荐 Goodbooks-10k数据集下基于隐式推荐算法模型完成图书推荐系统 隐式推荐算法 https://aistudio.baidu.com/aistudio/projectdetail/2556840?channelType=0&channel=0 --
27 推荐 基于PaddlePaddle的SR-GNN推荐算法解决Session-based 会话推荐模型 SR-GNN推荐 https://aistudio.baidu.com/aistudio/projectdetail/124382?channelType=0&channel=0 --
28 强化学习 用DQN强化学习算法玩“合成大西瓜”！ DQN https://aistudio.baidu.com/aistudio/projectdetail/1556392?channelType=0&channel=0 --
29 强化学习 用飞桨框架基于AlphaZero算法造一个会下五子棋的AI模型 AlphaZero算法 https://aistudio.baidu.com/aistudio/projectdetail/1403398 --
30 GAN selfie2anime数据集下基于CycleGAN的将照片变为二次元卡通风格 CycleGAN https://aistudio.baidu.com/aistudio/projectdetail/1153303?channelType=0&channel=0 --
31 GAN MNIST数据集下用Paddle框架的动态图模式玩耍经典对抗生成网络（GAN） GAN https://aistudio.baidu.com/aistudio/projectdetail/551962?channelType=0&channel=0 --
32 GAN cifar10数据集上复现大规模的生成对抗网络模型BigGAN BigGAN https://aistudio.baidu.com/aistudio/projectdetail/860925?channelType=0&channel=0 --
33 GAN 城市街景分割数据集下使用对抗网络Pix2Pix生成分割掩码，并使用掩码生成街景 对抗网络Pix2Pix https://aistudio.baidu.com/aistudio/projectdetail/1119048?channelType=0&channel=0 --
34 多模态 基于UGC用户制作的真实短视频业务数据，融合文本、视频图像、音频三种模态进行视频多模标签分类 多模融合 https://aistudio.baidu.com/aistudio/projectdetail/3469740?channelType=0&channel=0 --
35 多模态 XFUND数据集下基于多模态(OCR+文档视觉问答)技术实现金融表单识别 (OCR+文档视觉问答) https://aistudio.baidu.com/aistudio/projectdetail/3884375?channelType=0&channel=0 --
36 多模态 GAMMA比赛多模态眼底图像数据集下基于EfficientNet和resnet构造fundus_img和oct_img的分类模型 EfficientNetB3+resnet34 https://aistudio.baidu.com/aistudio/projectdetail/2334029?channelType=0&channel=0 --

【注意】招募列表外的，欢迎开发者主动贡献👏

3. 贡献指南

3.1 飞桨框架2.0 版本安装和使用

3.2 题目认领

为避免重复选题、知晓任务状态、方便统计管理，请根据如下操作认领您的题目。

提交题目: Issue

  • 1）方式一（招募列表）：在“招募列表”中选择题目，并在 Issue 中，回复下列信息：
【列表选题】
编号：XX
题目：XXXX
认领人：XX
  • 2）方式二（自选题目）：自主命题，直接在 Issue 中，回复下列信息：
【自选题目】
题目：XXXX
认领人：XX

3.3 原则及注意事项 （极其重要）！！

  1. 必须使用 paddle 的框架, 必须避免使用 paddle的套件。
  2. 示例必须适合 2.0及以后 版本.
  3. 数据集：公开的、大小合适 的示例数据集。（建议用小数据集，测试即可）
  4. 单个任务运行时长：20-30 分钟可以运行完成
  5. 文字描述：统一使用 中文 编写，注意概念和描述的清晰度，尽量让大家通俗易懂，如果实在难以解释，可以给出一些能够详细介绍的页面链接。
  6. 代码相关：
    • 使用API编写代码：编写过程中优先使用高层API，无法使用高层API时使用基础API。高层API使用指南 ： （注意：避免使用套件）
    • 易读性好：代码封装得当，易读性好，不用一些随意的变量/类/函数命名。
    • 注释清晰：不仅说明做了什么，也要说明为什么这么做。
    • 代码运行自测：做好代码的自测工作，每段代码块需要有运行结果。
  1. 任务难度：初级、中级

3.4 应用实践编写

  1. 应用实践统一使用Notebook格式（.ipynb）来进行编写，可以在本地安装使用Jupyter开发，或使用 AIStudio 。
  2. 为了方便大家进行应用实践的编写，并统一阅读体验，下面为大家提供了一个简单的撰写框架，大家根据实际任务结合实际场景进行微调。

如果对模板有一些建议，也可以回复评论。

# 题目

作者信息：Github ID (github个人主页URL)
更新日期：** 年 ** 月 ** 日
--

## 1. 简要介绍
简单的一段文字介绍本案例场景和用到的一些知识点，不用太复杂的讲述知识细节，

## 2. 环境设置
导入包，运行一些初始化方法

## 3. 数据集
讲述数据集的一些基础信息，描述数据集组成等。进行数据集的下载、抽样查看、数据集定义等。

## 4. 模型组网
基于Layer定义模型网络结构，模型的可视化展示。可以概要讲述一些网络结构代码设计的原因。

## 5. 模型训练
使用模型网络结构和数据集进行模型训练。需要讲述一些实践中的知识点。

## 6. 模型评估
使用评估数据评估训练好的模型。

## 7. 模型预测
对模型进行预测，展示效果。

3.5 应用实践上传

  1. 写好的文档通过向(https://github.com/PaddlePaddle/docs)仓库提交Pull Request的方式来进行应用实践文档的上传。
  2. 对提交好的PR可以 指定Reviewer 进行内容和代码的评审，通过后会由具有Merge权限的同学进行最终的合入。

4. 已合入仓库的应用实践

目前已经有 23 篇基于 飞桨2.3 的应用实践贡献，查看方式：

  1. Repo目录查看已经Merge的Notebook源文件：docs/practices。
  2. 查看官网渲染后的页面：应用实践 。

5. 还有不清楚的问题？

欢迎大家随时在 Issue 下提问，飞桨会有专门的管理员进行疑问解答。

有任何问题，请联系：飞桨的PM-莫琰 momozi1996 !

非常感谢大家为飞桨贡献！共建飞桨繁荣社区！