对于一个以前没有接触过爬虫的小白来说，这次的作业相较于昨天，难度感觉得到明显的提升，经过一系列的baidu，和借鉴大佬们的代码终于完成了这次的作业。下面我将总结今天的作业过程。 ！！！作业说明！！！ 1.请在下方提示位置，补充代码，完成《青春有你2》选手图片爬取，将爬取图片进行保存，保证代码正常运行 2.打印爬取的所有图片的绝对路径，以及爬取的图片总数，此部分已经给出代码。请在提交前，一定要保证有打印结果，如下图所示： 任务描述 本次实践使用Python来爬取百度百科中《青春有你2》所有参赛选手的信息。 数据获取：https://baike.baidu.com/item/青春有你第二季 介绍

计算机视觉“探奇”：深度剖析基于飞桨的人体姿态识别算法 计算机视觉.pdf

逐步回归法matlab代码 写在前面 本文源于百度AI平台飞桨学院《》课程中我自己的心得和理解。 本文旨在介绍使用飞桨框架构建神经网络过程，并从房价预测模型的理解和代码的构建角度来整理所学内容，不求详尽但求简洁明了。 模型构建基本流程 飞桨的模型覆盖计算机视觉、自然语言处理和推荐系统等主流应用场景，所有场景的代码结构完全一致，如所示。 图1. 使用飞桨框架构建神经网络过程 飞桨重写房价预测模型 数据处理之前，需要先加载飞桨框架的相关类库。 #加载飞桨、Numpy和相关类库 import paddle.fluid as fluid import paddle.fluid.dygraph as dygraph from paddle.fluid.dygraph import Linear import numpy as np 1. 数据处理 数据处理包含五个部分：数据导入、数据形状变换、数据集划分、数据归一化处理和封装load data函数。数据预处理后，才能被模型调用。数据处理的代码不依赖paddle框架实现，使用numpy库即可。 对每个特征进行归一化处理，使得每个特征的取值缩放到0~

飞桨端到端预训练模型与迁移学习工具PaddleHub 大纲 1.PaddleHub整体介绍 2.模型即软件 3.PaddleHub迁移学习 4.Hub Serving

能参加到这次的百度飞桨七日“Python小白逆袭大神”打卡营是一次偶然的了解得知的这个机会，之前因为课程和基础不够扎实参加到AI实战营没有顺利跟完全程，这一次很开心可以顺利跟上并且结营。下面的内容就简要的总结一下这几天的学习内容和踩过的小坑吧。 本次课程的课程目标： 1.掌握Python的基础语言、进阶知识和常用的深度学习库，能够利用Python爬取数据并进行可视化分析 2.掌握人工智能基础知识、应用，体验人工智能的前沿技术 3.了解飞桨平台及百度AI技术、应用，掌握AI Studio的使用方法 本次课程的安排：Day1-人工智能概述与python入门基础python基础、人工智能概述Day

飞桨平台的ocr源码--V2.4

飞桨产业实践案例库-单页版（小）.pdf

X2Paddle is a toolkit for converting trained model to PaddlePaddle from other deep learning frameworks. 支持主流深度学习框架模型转换至PaddlePaddle（飞桨）

使用飞桨实现手写数字识别

使用飞桨（Paddle）构建单层神经网络.ipynb