1、遇见
21年3月份某天刷到夕小瑶的卖萌屋公众号，关于李宏毅老师机器学习课程的介绍，有百度飞桨教师的全程作业指导和带打比赛，然后进去详细看了课程相关的介绍，感觉发现了宝藏，里面课程应有尽有，首先学习李宏毅老师的课程，非常精彩，基本上每天都会登陆飞桨官网进行打卡学习李宏毅课程-机器学习
2、决定
后面也在3月份加入了一家新的单位，入职后，做NLP相关的工作，同组小伙伴交流，想统一大家的深度学习框架，方便组内交流，之前用的TensorFlow，小伙伴们调研后觉得PaddlePaddle不错，原因如下，1、对于中文的预料数据，百度有天然的优势，PaddlePaddle训练出来的模型能更好的适用于中文。2、学习资料丰富，第一手资料都是中文，使用起来非常友好。3、宣传和服务非常到位，有各种打卡训练营陪跑活动，有专属答疑QQ群和微信群，本土社区交流活跃，遇到问题反馈后，能及时解决。然后开始了深入学习和使用PaddlePaddle之旅。
3、具体学习
3.1、学习PaddeHub
第一阶段主要学习PaddleHub，这里面的模型都是现成的，一键即可调用，当时把PaddleHub里面所有的模型，都在本地进行了运行调试，看模型的实际运行效果，做技术储备和积累，很多模型开箱即用，非常方便，这时候对PaddlePaddle框架的模型整体上有了感性的认识。
这期间遇到一个难题，就是用simnet_bow想做一个类似搜索引擎的方案，发现传入具体数据后非常慢，然后去技术QQ群吐槽了句，觉得PaddleHub这种方案，演示做些demo还行，具体落地还是不行的，然后这时候陈泽裕老师在群里回了句，可以参考我们的语义索引模型https://github.com/PaddlePaddle/PaddleNLP/tree/develop/examples/semantic_indexing，这时候参考后，感觉发现了新大陆，尝试后发现，效果果然比之前的好很多，也引出了第二阶段的学习。
3.2、学习PaddeNLP的examples
第二阶段主要学习PaddeNLP的examples，这里面涵盖了NLP邻域的所有基础任务和应用任务，能发现这个repo简直太赚了。
第一步，按照官方的文档介绍，把每个案例都放在Aistudio上运行起来，这时候只要能训练起来，心理就有底了，这个案例是没问题的，后面是可以直接用的。
第二步，把案例下载到本地，用pycharm运行代码，进入debug模型，一行代码一代码的分析和调试，把源码读懂，这时候心理的底气就很足了，可以改变数据集，变成自己的的本地数据集进行训练和调试，此时这个案例变成了自己的技术积累，对PaddleNLP的整体架构也有了深入的理解。
谈到上面的语义索引做搜索引擎，当时也搭起来了，但是数据索引和模型服务都是在本地，本质上还是个单机版，达不到真正的产业化落地，前期的演示是可以应付了，然后开始调研真正的产业化服务化的部署落地方案，这时候自然引出了下面的学习。
3.3、学习PaddeNLP的applications
第三阶段主要学习PaddeNLP的applications，这里面涵盖了NLP真正产业化落地的场景方案，有产业化的第三方数据引擎的引入，有模型服务化部署的案例介绍，参考这里的案例后，引入了其他组件的深入学习，比如PaddleServing，Milvus，阅读相关的文档，搭建起来真正落地的分布式集群系统，在这过程，PaddleNLP的硕硕老师，组件了一个专属答疑群，对真正产业化的落地帮助非常大，在老师们的帮助下，我这边也顺利的用PaddleNLP的语义索引架构，搭建起了好几个应用场景的分布式集群服务。在此表示感谢，国产化科技自强的道路，他们功不可没。
3.4、产业化落地学习
第四阶段，不同领域的交互式学习，产业化落地学习。
1、各种产业化落地的直播课录播课全看
2、图像相关全学：OCR识别PaddleOCR、图像分类PaddleClas、目标检测PaddleDetection、图像分割/PaddleSeg、视频识别PaddleVideo
3、语音相关全学：PaddleSpeech
4、参加AICA课程学习，和投身于AI产业化落地的大佬们一同前行，经世致用、融会贯通。执桨破浪、创新者来。
4、总结
能为国家的智能化建设贡献力量，能为国产科技的自强和产业化落地贡献力量，是非常激动人心也是非常有价值和意义的事情，对国产非常优秀的开源框架PaddlePaddle一如既往的支持下去，同时也需要熟练掌握目前走在前面的TensorFlow和PyTorch框架，借鉴和吸收他们的优势，融入到国产框架，博采众长！