PaddlePaddle从入门到炼丹
文章平均质量分 85
这个专栏是深度学习框架PaddlePaddle Fluid版本的教程,开发环境主要是PaddlePaddle 1.0和Python 3.5。
夜雨飘零1
他朝若是同淋雪,此生也算共白头!
展开
-
《PaddlePaddle从入门到炼丹》一——新版本PaddlePaddle的安装
这一章我们介绍如何安装新版本的PaddlePaddle,这里说的新版本主要是说Fluid版本。Fluid 是设计用来让用户像Pytorch和Tensorflow Eager Execution一样执行程序。在这些系统中,不再有模型这个概念,应用也不再包含一个用于描述Operator图或者一系列层的符号描述,而是像通用程序那样描述训练或者预测的过程。也就是说PaddlePaddle从Fluid版本开始使用动态图机制,所以我们这个系列也是使用Fluid版本编写的教程。原创 2018-10-29 22:58:28 · 38452 阅读 · 27 评论 -
《PaddlePaddle从入门到炼丹》二——计算1+1
在第一章介绍了百度AI Studio这个平台,接下来我们就使用这个平台来开发我们的PaddlePaddle。PaddlePaddle是百度在2016年9月27日开源的一个深度学习框架,也是目前国内唯一一个开源的深度学习框架。PaddlePaddle在0.11.0版本之后,开始推出Fluid版本,Fluid版本相对之前的V2版本,Fluid的代码结构更加清晰,使用起来更加方便。这本章中我们将会介绍如何使用PaddlePaddle来计算1+1,选择这个简单的例子主要是为了让读者了解PaddlePad原创 2018-10-29 22:59:48 · 6559 阅读 · 9 评论 -
《PaddlePaddle从入门到炼丹》三——线性回归
文章目录前言使用自定义数据使用房价数据集训练参考资料前言在第二章,我们已经学习了如何使用PaddlePaddle来进行加法计算,从这个小小的例子中,我们掌握了PaddlePaddle的使用方式。在本章中,我们将介绍使用PaddlePaddle完成一个深度学习非常常见的入门例子——线性回归,我们将分别使用自定义数据集和使用PaddlePaddle提供的数据集接口来训练一个线性回归模型。使用自定...原创 2018-10-29 23:00:20 · 7451 阅读 · 34 评论 -
《PaddlePaddle从入门到炼丹》四——卷积神经网络
文章目录前言训练模型预测图像参考资料前言上一章我们通过学习线性回归例子入门了深度学习,同时也熟悉了PaddlePaddle的使用方式,那么我们在本章学习更有趣的知识点卷积神经网络。深度学习之所以那么流行,很大程度上是得益于它在计算机视觉上得到非常好的效果,而在深度学习上几乎是使用卷积神经网络来提取图像的特征的。在PaddlePaddle上如何定义一个卷积神经网络,并使用它来完成一个图像识别的任...原创 2018-10-29 23:00:52 · 10290 阅读 · 36 评论 -
《PaddlePaddle从入门到炼丹》五——循环神经网络
文章目录前言训练模型预测数据参考资料前言除了卷积神经网络,深度学习中还有循环神经网络也是很常用的,循环神经网络更常用于自然语言处理任务上。我们在这一章中,我们就来学习如何使用PaddlePaddle来实现一个循环神经网络,并使用该网络完成情感分析的模型训练。训练模型首先导入Python库,fluid和numpy库我们在前几章都有使用过,这里就不重复了。这里主要结束是imdb库,这个是一个数...原创 2018-11-03 18:39:41 · 4808 阅读 · 35 评论 -
《PaddlePaddle从入门到炼丹》六——生成对抗网络
文章目录前沿定义网络定义训练程序训练并预测参考资料前沿我们上一章使用MNIST数据集进行训练,获得一个可以分类手写字体的模型。如果我们数据集的数量不够,不足于让模型收敛,最直接的是增加数据集。但是我们收集数据并进行标注是非常消耗时间了,而最近非常火的生成对抗网络就非常方便我们数据的收集。对抗生成网络可以根据之前的图片训练生成更多的图像,已达到以假乱真的目的。首先导入所需要的Python包,其...原创 2018-11-04 12:46:10 · 2894 阅读 · 5 评论 -
《PaddlePaddle从入门到炼丹》七——强化学习
本章介绍使用PaddlePaddle实现强化学习,通过自我学习,完成一个经典控制类的游戏,相关游戏介绍可以在Gym官网上了解。我们这次玩的是一个`CartPole-v1`游戏,操作就是通过控制滑块的左右移动,不让竖着的柱子掉下来。利用强化学习的方法,不断自我学习,通过在玩游戏的过程中获取到奖励或者惩罚,学习到一个模型。在王者荣耀中的超强人机使用的AI技术也类似这样。原创 2019-01-16 11:41:44 · 4137 阅读 · 11 评论 -
《PaddlePaddle从入门到炼丹》八——模型的保存与使用
本系列教程中,前面介绍的都没有保存模型,训练之后也就结束了。那么本章就介绍如果在训练过程中保存模型,用于之后预测或者恢复训练,又或者由于其他数据集的预训练模型。本章会介绍三种保存模型和使用模型的方式。原创 2019-01-16 23:07:49 · 9119 阅读 · 27 评论 -
《PaddlePaddle从入门到炼丹》九——迁移学习
前言在深度学习训练中,例如图像识别训练,每次从零开始训练都要消耗大量的时间和资源。而且当数据集比较少时,模型也难以拟合的情况。基于这种情况下,就出现了迁移学习,通过使用已经训练好的模型来初始化即将训练的网络,可以加快模型的收敛速度,而且还能提高模型的准确率。这个用于初始化训练网络的模型是使用大型数据集训练得到的一个模型,而且模型已经完全收敛。最好训练的模型和预训练的模型是同一个网络,这样可以最大限度地初始化全部层。原创 2019-01-17 22:59:58 · 5095 阅读 · 29 评论 -
《PaddlePaddle从入门到炼丹》十——VisualDL 训练可视化
VisualDL是一个面向深度学习任务设计的可视化工具,包含了scalar、参数分布、模型结构、图像可视化等功能。可以这样说:“所见即所得”。我们可以借助VisualDL来观察我们训练的情况,方便我们对训练的模型进行分析,改善模型的收敛情况。原创 2019-01-17 23:10:01 · 6476 阅读 · 11 评论 -
《PaddlePaddle从入门到炼丹》十一——自定义图像数据集识别
本章将介绍如何使用PaddlePaddle训练自己的图片数据集,在之前的图像数据集中,我们都是使用PaddlePaddle自带的数据集,本章我们就来学习如何让PaddlePaddle训练我们自己的图片数据集。原创 2019-02-23 17:53:50 · 12299 阅读 · 71 评论 -
《PaddlePaddle从入门到炼丹》十三——自定义图像数生成
我们在第六章介绍了生成对抗网络,并使用生成对抗网络训练mnist数据集,生成手写数字图片。那么本章我们将使用对抗生成网络训练我们自己的图片数据集,并生成图片。在第六章中我们使用的黑白的单通道图片,在这一章中,我们使用的是3通道的彩色图。原创 2019-02-23 18:22:34 · 2134 阅读 · 5 评论 -
《PaddlePaddle从入门到炼丹》十二——自定义文本数据集分类
我们在第五章学习了循环神经网络,在第五章中我们使用循环神经网络实现了一个文本分类的模型,不过使用的数据集是PaddlePaddle自带的一个数据集,我们并没有了解到PaddlePaddle是如何使用读取文本数据集的,那么本章我们就来学习一下如何使用PaddlePaddle训练自己的文本数据集。我们将会从中文文本数据集的制作开始介绍,一步步讲解如何使用训练一个中文文本分类神经网络模型。原创 2019-02-23 18:10:32 · 4940 阅读 · 15 评论 -
《PaddlePaddle从入门到炼丹》十四——把预测模型部署在服务器
如果读者使用过百度等的一些图像识别的接口,比如百度的细粒度图像识别接口,应该了解这个过程,省略其他的安全方面的考虑。这个接口大体的流程是,我们把图像上传到百度的网站上,然后服务器把这些图像转换成功矢量数据,最后就是拿这些数据传给深度学习的预测接口,比如是PaddlePaddle的预测接口,获取到预测结果,返回给客户端。原创 2019-02-23 18:40:56 · 4376 阅读 · 11 评论 -
《PaddlePaddle从入门到炼丹》十五——把预测模型部署到Android手机上
现在越来越多的手机要使用到深度学习了,比如一些图像分类,目标检测,风格迁移等等,之前都是把数据提交给服务器完成的。但是提交给服务器有几点不好,首先是速度问题,图片上传到服务器需要时间,客户端接收结果也需要时间,这一来回就占用了一大半的时间,会使得整体的预测速度都变慢了,再且现在手机的性能不断提高,足以做深度学习的预测。原创 2019-02-23 21:38:16 · 6232 阅读 · 22 评论