图像识别实战(四)------动态图&模型训练

图像识别实战(四)------动态图&模型训练

动态图

动态图对应的是命令式编程：

可以不用事先定义神经网络的结构，将神经网络的定义和执行同步进行

与之相反的便是静态图，静态图和声明式编程相关：

需要事先定义好神经网络的结构，然后再执行整个图结构。

对比

如果想要实现如下功能。

1. 如果inp1各元素之和小于inp2各元素之和，那么执行inp1与 inp2各元素对应相加。

2. 如果inp1各元素之和大于等于inp2各元素之和，那么执行inp1与 inp2各元素对应相减。

使用动态图进行训练

import paddle.fluid asfluid	
import numpy as np	
inp1 = np.random.rand(4, 3, 3)	
inp2 = np.random.rand(4, 3, 3)	
# dynamic graph	
with fluid.dygraph.guard():	
    if np.sum(inp1) <np.sum(inp2):	
        x =fluid.layers