飞浆（一）环境以及第一个简单例子

使用指南

大概说明

paddlepaddle 可以理解成一个库
paddleX可以理解为一个无代码界面，只有一些选择框，但是我没搞懂如何进行自定义
anaconda: python环境管理
notebook：python的编写网页，（输出有长度限制，如果print太多，会有一些不会显示）

安装anaconda

参考anaconda基础使用

安装后创建飞浆环境，在feijaing环境中安装
官方安装教程
注意，创建飞浆环境需要在anaconda prompt中进行
切换到飞浆后，可能需要安装matplotlib

pip install matplotlib

安装notebook

启动notebook

在notebook中新建文件，编写代码，运行
使用官网例子
这里有个坑，需要注意，如果没有import os 这两行，则会运行到显示图片的时候，内核挂掉（这两行代码官网中没有，可以在aiStudio中运行(没有显示图片)，但是不能在本地notebook中运行）
另外还有个坑，不同代码块之间是不能共用的，比如import如果和其他代码块分开，会运行报错无法找到

# %matplotlib notebook
#在开头加上如下代码可以在jupyter notebook行内形成交互式的图表
# %matplotlib inline
# #开头加上如下代码可以显示图像，但无交互功能

import os
os.environ["KMP_DUPLICATE_LIB_OK"]="TRUE"

# import paddle    
# print(paddle.__version__)
import paddle
import numpy as np
from paddle.vision.transforms import Normalize


transform=Normalize(mean=[127.5], std=[127.5], data_format='CHW')
# 下载数据集并初始化 DataSet
train_dataset = paddle.vision.datasets.MNIST(mode='train', transform=transform)
test_dataset = paddle.vision.datasets.MNIST(mode='test', transform=transform)


# 模型组网并初始化网络
lenet = paddle.vision.models.LeNet(num_classes=10)
model = paddle.Model(lenet)

# 模型训练的配置准备，准备损失函数，优化器和评价指标
model.prepare(paddle.optimizer.Adam(parameters=model.parameters()), 
              paddle.nn.CrossEntropyLoss(),
              paddle.metric.Accuracy())

# 模型训练
model.fit(train_dataset, epochs=5, batch_size=64, verbose=1)
# 模型评估
model.evaluate(test_dataset, batch_size=64, verbose=1)

# 保存模型
model.save('./output/mnist')
# 加载模型
model.load('output/mnist')

# 从测试集中取出一张图片
img, label = test_dataset[0]
# 将图片shape从1*28*28变为1*1*28*28，增加一个batch维度，以匹配模型输入格式要求
img_batch = np.expand_dims(img.astype('float32'), axis=0)

# 执行推理并打印结果，此处predict_batch返回的是一个list，取出其中数据获得预测结果
out = model.predict_batch(img_batch)[0]
pred_label = out.argmax()
print('true label: {}, pred label: {}'.format(label[0], pred_label))
# 可视化图片
from matplotlib import pyplot as plt
plt.imshow(img[0])