[Call for Contribution] Tutorials for PaddlePaddle 2.1（基于飞桨2.1的应用案例教程建设）

[tngt]

1. 目标

目前飞桨框架2.1版本已经发布，不久的将来即将发布2.2正式版，在2.1版本中，飞桨框架面向用户体验做了一系列的升级优化
。为了能够让用户快速掌握到飞桨框架升级内容，并了解和学习如何使用2.1进行相关任务的开发，我们进行应用案例教程的立项，在不同的任务场景上为用户提供一个端到端的易学案例，来快速的传递相关知识和使用方法。

在此呼吁广大的飞桨开发者来一起共建我们的应用案例教程，努力为用户提供更加优质的示例教程，为用户学会使用框架铺设一条高速公路。

2. 教程清单

目前我们从已有内容和待补充方向进行了初步评估，梳理了以下建议的选题方向和题目，并为大家提供了比较优秀的对标文章进行学习参考，大家可以从这个列表中选择自己想要进行贡献的题目，或者也可以进行非列表内的题目自选。

招募列表（8.23日公开）

序号	领域	题目	参考	认领人
01	机器学习	负荷预测 0.1	负荷预测0.1 - 飞桨AI Studio	linsl1986
02	NLP	基于TextCNN的THUCNews文本分类任务
03	NLP	基于seq2seq的WMT-16机器翻
04	NLP	基于预训练模型完成实体关系抽取	『NLP打卡营』实践课4 基于预训练模型完成实体关系抽取 - 飞桨AI Studio
05	NLP	CCKS 2021篇章级事件元素抽取	CCKS 2021篇章级事件元素抽取 - 飞桨AI Studio - 人工智能学习实训社区
06	语音	动手搭建轻量级机器同传翻译系统	『NLP打卡营』实践课8：动手搭建轻量级机器同传翻译系统 - 飞桨AI Studio
07	CV	深入了解DeepLabv3图像分割算法		lutianhao
08	CV	基于SlowFast的视频分类		KHB1698
09	推荐	局部敏感哈希原理解读
10	推荐	DeepFM的原理解读		sleepingxin
11	推荐	GNN的原理解读
12	推荐	Wide&Deep的原理解读
13	推荐	youtubeDNN原理解读
14	强化学习	SAC算法实现月球着陆器着陆	基于飞桨复现强化学习进阶算法SAC，让月球着陆器顺利着陆 - 飞桨AI Studio
15	强化学习	PPO算法实现四轴飞行器	PARL框架下入门PPO：一个战胜世界冠军的强化学习算法
16	强化学习	AlphaZero下五子棋
17	强化学习	MuZero实现CartPole	极简MuZero算法实践——Paddle2.0版本 - 飞桨AI Studio
18	NLP	情话生成送给你	发愁七夕文案？PaddleHub情话生成送给你 (文内含七夕抽奖) - 飞桨AI Studio
19	NLP	使用预训练模型实现快递单信息抽取	『NLP打卡营』实践课3：使用预训练模型实现快递单信息抽取 - 飞桨AI Studio
20	NLP	恶意网页识别	使用PaddleNLP进行恶意网页识别（七）：网页二维码解析识别思路与实现 - 飞桨AI Studio
21	OCR	车牌识别	PaddleOCR：车牌识别 - 飞桨AI Studio
22	GAN	天下第一AI武道会-Deepfake换脸	天下第一AI武道会-Deepfake换脸 - 飞桨AI Studio
23	GAN	老北京城影像修复	老北京城影像修复 - 飞桨AI Studio	KHB1698
24	GAN	精准唇形合成	【飞桨创意之星】宋代诗人念诗的秘密--PaddleGAN实现精准唇形合成 - 飞桨AI Studio
25	Video	给视频打标签		Skye2099
26	Video	基于PaddleVideo定位精彩足球动作
27	CV	基于PP-YOLOv2实现标注物检测
28	推荐	基于深度学习的音乐推荐	july-ML6-final-project/wsdm_music_recommendation: Final project for July Recommendation course
29	强化学习	DQN算法玩合成大西瓜	PARL强化学习——合成大西瓜 - 飞桨AI Studio	tangjitingji
30	CV	来自肺部 CT 扫描的 3D 图像分类	3D image classification from CT scans	KHB1698

招募列表外开发者主动贡献列表

3. 贡献指南

3.1 飞桨框架2.1版本安装和使用

1. 飞桨（PaddlePaddle）版本统一使用2.1最新版，安装说明：https://www.paddlepaddle.org.cn/install/quick。
2. 2.1版本使用教程：https://www.paddlepaddle.org.cn/documentation/docs/zh/guides/index_cn.html。
3. 2.1版本已有应用实践教程：https://www.paddlepaddle.org.cn/documentation/docs/zh/tutorial/index_cn.html。

3.2 题目认领

1. 可以在上面提供的列表中进行题目选择或自选题目，并将确定的题目回复到本Issue中，方便他人同步知晓已开展的文章列表信息，避免重复选题。

3.3 教程编写

1. 应用案例教程统一使用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（https://aistudio.baidu.com）。

2. 为了方便大家进行教程的编写，并统一阅读体验，下面为大家提供了一个简单的概要框架，大家根据实际任务按照下面的框架结构进行内容编写和组织，可以结合实际场景进行微调。如果对模板有一些建议我们也可以在下面进行回复讨论。

   # 题目
   
   作者信息：Github ID (github个人主页URL)
   
   ## 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。

3.4 教程上传

1. 写好的文档通过向[https://github.com/PaddlePaddle/docs)仓库提交Pull Request的方式来进行教程文档的上传。
2. 对提交好的PR可以指定Reviewer TCChenlong）、tngt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。

3.5 一些原则

• 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。
• 文字部分暂时不用考虑国际化，先统一使用中文编写，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。
• 代码编写过程中能使用高层API的部分就使用高层API，无法使用高层API的部分就使用基础API。高层API使用指南：链接
• 做好代码的自测工作，每段代码块需要有运行结果。

4. 已合入仓库的教程

目前已经有13篇基于飞桨2.0的教程贡献，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. 还有不清楚的怎么办？

欢迎大家随时在这个Issue下进行提问。

非常感谢大家一起来贡献！共建飞桨繁荣社区！