详文带你使用PaddlePaddle实战房屋信息预测（入门级）

前言

最近在学习百度PaddlePaddle飞浆深度学习框架，做的第一个例子就是房屋价格预测。尽管官方在实例代码中做了些讲解，但是仍然有很多没有照顾到的地方。下面，我将通过这个例子，带大家掌握这个模型。

项目结构

模型：

加载数据

#每次缓存500个数据
BUF_SIZE=500
#每20个组成一个训练批次
BATCH_SIZE=20
#一次缓存500个数据，其中每次读取20个
#读取数据到缓存中，并且打乱数据。
train_reader = paddle.batch(
    paddle.reader.shuffle(paddle.dataset.uci_housing.train(),buf_size=BUF_SIZE),
    batch_size=BATCH_SIZE
    )

test_reader = paddle.batch(
    paddle.reader.shuffle(paddle.dataset.uci_housing.test(),buf_size=BUF_SIZE),
    batch_size=BATCH_SIZE
)

代码解析：

• paddle.reader.shuffle(reader,buf_size)作用：将reader中的数据读取到缓冲区，读取数据个数是buf_size。
• paddle.batch(data，batch_size) 数据打包器，将shuffle方法读取的数据按照batch_size大小，进行打包。上述例子中，共有404个训练数据，batch_size=20，共可分得21份（404/20）。

定义模型结构

#定义输入输出变量
x = fluid.layers.data(name='x',shape=[13],dtype='float32')
y = fluid.layers.data(name='y',shape=[1],dtype='float32'