10分钟快速上手飞桨（PaddlePaddle）

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：

1. 数据集的准备和加载；

2. 模型的构建；

3. 模型训练；

4. 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