。 节省大量编写底层代码的精力：屏蔽底层实现，用户只需关注模型的逻辑结构，降低了深度学习入门门槛。 ...

Numpy是Numerical Python的简称，是Python中高性能科学计算和数据分析的基础包。Numpy提供了一个多维数组类型ndarray，它具有矢量算术运算和复杂广播的能力， ...

本节介绍使用飞桨快速实现“手写数字识别”的建模方法。 与“房价预测”的案例类似，我们以同样的标准结构实现“手写数字识别”的建模。在后续的课程中，该标准结构会反复出现，逐渐加深我们对 ...

线性代数 Numpy中实现了线性代数中常用的各种操作，并形成了numpy.linalg线性代数相关的模块。其中包括： diag 以一维数组的形式返回方阵的对角线（或非对角线）元素， ...

将训练好的模型保存到磁盘之后，应用程序可以随时加载模型，完成预测任务。但是在日常训练工作中我们会遇到一些突发情况，导致训练过程主动或被动的中断。如果训练一个模型需要花费几天的训练时间，中断后从初始状态 ...

在“手写数字识别”案例的快速入门中，我们调用飞桨提供的API（paddle.dataset.mnist）加载MNIST数据集。但在工业实践中，我们面临的任务和数据环境千差万别，需要编写适合当前任务的数据处理程序。 但是编写自定义的数据加载函数，一般会涉及以下四个部分 ...

接下来介绍在paddlepaddle中如何使用多CPU来加速训练。 接着前面几节讲的手写数字识别部分，在启动训练前，加载数据和网络结构的代码部分均不变。 View Code 单GPU训练 现实生活中，我们可能会遇到更复杂的机器学习、深度学习任务 ...

在模型训练部分，为了保证模型的真实效果，我们需要对模型进行一些调试和优化，主要分为以下五个环节： 计算分类准确率，观测模型训练效果。 交叉熵损失函数只能作为优化目标，无法直接准确衡量模型的训练效果。准确率可以直接衡量训练效果，但由于其离散性质，不适合做为损失函数优化 ...