疫情期间参加了百度AI Studio的7天网课，算是深入体验了一把PaddlePaddle（飞桨）框架，记下一点自己的感想。
先说一下评价吧
2020年，越来越多的国产深度学习框架进行了开源，包括旷视的天元，华为的MindSpore，但是作为国产深度学习框架中的元老，PaddlePaddle（飞桨）从开源至今已经迭代到了1.7版本，不论是从社区还是生态上，PaddlePaddle（飞桨）作为更为成熟的一款框架，都是国产深度学习框架中的佼佼者，更是提供了Python，R、Go和C++接口，可以说是目前国产框架中最全面的。再加上百度大脑AI Studio能够提供算力供大家尝试，可以说是更加推动了PaddlePaddle（飞桨）社区的发展。
作为一个PyTorch用户和半吊子TensorFlow用户，PaddlePaddle（飞桨）还是非常友好的，尤其是Dygraph机制可以让熟悉PyTorch的用户从PyTorch无缝切换，虽然是从PaddlePaddle 1.6版本引入的Dygraph机制，经过1.7的优化，已经能够满足搭建神经网络的要求了。
使用中的体验
搭建神经网络，必然离不开查API。PaddlePaddle（飞桨）作为一个国产框架，提供了中文的解释，这一点对于国内的深度学习用户是非常友好的。同时作为国产框架的先驱，PaddlePaddle（飞桨）提供了大量现有模型可供参考，这一点不论是对于开发还是进一步研究都是有帮助的。同时，Paddle Slim库也为进一步分裁剪、量化、知识蒸馏和结构搜索提供了非常方便的接口，可以说是一键完成，因此对于部署网络是非常友好的。对我而言，最重要的是PaddlePaddle（飞桨）提供了大量的数据处理和基础算法的复现代码，同时配有非常完善的注释，这一点是非常非常良心的。
当然，在使用中还是有一些不足之处。比如，可能因为是刚刚引入Dygraph的缘故，动态图接口文档还不是很完善，官方给的一些实例和教程还是基于静态图的例子，作为一个对于静态图操作不是很熟练的用户来说，还是有些吃力的。7天课程中使用了百度的PyEcharts库来画图，不得不说这个库的文档让人非常舒服。希望PaddlePaddle（飞桨）也能向PyEcharts学习哈哈。
总结
如果你是一个深度学习小白，想要从头开始入门深度学习，PaddlePaddle（飞桨）是一个不错的选择，官网上的文档和实例绝对值得反复的实践和理解，对于提升个人的能力非常帮助。同时，借用AI Studio还可以快速实践学到的算法，实践这一点是深度学习中至关重要的一部分。
作为一个国产框架，PaddlePaddle（飞桨）已经走在了国产深度学习框架的前列，当然希望国产框架都能够蓬勃发展，相互竞争，相互吸取各自优点。相信这是对国内科研人员和开发者有利的，也只有这样才能促进生态社区更加进步。
