Paddle版本:2.0.0rc
Python版本:python3
运行方式:python3命令行界面,非分布式方式
原文地址:https://www.paddlepaddle.org.cn/documentation/docs/zh/2.0-rc/guides/02_paddle2.0_develop/01_quick_start_cn.html
1. 安装飞桨?
如果您已经安装好飞桨那么可以跳过此步骤。我们针对用户提供了一个方便易用的安装引导页面,您可以通过选择自己的系统和软件版本来获取对应的安装命令,具体可以点击快速安装查看。
具体步骤
在CentOS的linux机器上,安装python3,安装paddle
2. 导入飞桨?
安装好飞桨后我们就可以在Python程序中进行飞桨的导入。
在命令行中执行python3,开启命令行界面
3. 实践一个手写数字识别任务?
对于深度学习任务如果简单来看,其实分为几个核心步骤:
-
数据集的准备和加载;
-
模型的构建;
-
模型训练;
-
模型评估。
那么接下来我们就一步一步带您通过飞桨的少量API快速实现。
3.1 数据加载?
加载我们框架为您准备好的一个手写数字识别数据集。这里我们使用两个数据集,一个用来做模型的训练,一个用来做模型的评估。
3.2 模型搭建?
通过Sequential将一层一层的网络结构组建起来。需要先对数据进行Flatten操作,将[1,28, 28]形状的图片数据改变形状为[1,784]。
3.3 模型训练?
配置好我们模型训练需要的损失计算方法和优化方法后就可以使用fit接口来开启我们的模型训练过程。
3.4 模型评估?
使用我们刚才训练得到的模型参数进行模型的评估操作,看看我们的模型精度如何。
那么初步训练得到的模型效果在97%附近,我们可以进一步通过调整其中的训练参数来提升我们的模型精度。
至此我们可以知道如何通过飞桨的几个简单API来快速完成一个深度学习任务,大家可以针对自己的需求来更换其中的代码,如果需要使用自己的数据集,那么可以更换数据集加载部分程序,如果需要替换模型,那么可以更改模型代码实现等等。后文会具体描述深度学习每个环节。
完整的代码,可以在PyCharm中运行(如果本机安装了Paddle环境)
来源:仰望夜空一万次
声明:本站部分文章及图片转载于互联网,内容版权归原作者所有,如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢!