飞桨学习篇（8.13）

8.13学习笔记

1.手写数字识别：深度学习的“hello，world！”

数据处理：封装函数，读文件，雨初拉力，异步

模型设计：网络机构：单层网络，多层网络，激活函数 CNN

                  损失函数：均方误差 Cross Entropy+Softmax

训练配置：优化器：SGD 学习率 Momenturm/AdaGrad/Adam 正则化

                  资源配置：单机CPU GPU 多机多卡

训练过程：训练 评价指标 校验（正则化） 作图

模型保存：预测场景 恢复训练场景

2.极简版

飞桨API函数查询

数据处理：Paddle.dataset.mnist.train()

train_set(train_images,train_lables)  val_data校验数据    test_data

异步读取vs同步读取

模型设计：1.基础模型：神经网络：输入28*28每个像素值，输出预测数字值

2.以类的方式组件网络：初始化函数，定义每一层：mnist类

3.是否有效

训练效果：

1. 从img_path读取图像，用convert转化为灰度图，强制转化为np.array,resize(28,28),归一化处理保持和数据集的数据范围一致
2. 定义预测过程model,加载模型函数model.dict,取出预测值