。 節省大量編寫底層代碼的精力：屏蔽底層實現，用戶只需關注模型的邏輯結構，降低了深度學習入門門檻。 ...

Numpy是Numerical Python的簡稱，是Python中高性能科學計算和數據分析的基礎包。Numpy提供了一個多維數組類型ndarray，它具有矢量算術運算和復雜廣播的能力， ...

本節介紹使用飛槳快速實現“手寫數字識別”的建模方法。 與“房價預測”的案例類似，我們以同樣的標准結構實現“手寫數字識別”的建模。在后續的課程中，該標准結構會反復出現，逐漸加深我們對 ...

線性代數 Numpy中實現了線性代數中常用的各種操作，並形成了numpy.linalg線性代數相關的模塊。其中包括： diag 以一維數組的形式返回方陣的對角線（或非對角線）元素， ...

將訓練好的模型保存到磁盤之后，應用程序可以隨時加載模型，完成預測任務。但是在日常訓練工作中我們會遇到一些突發情況，導致訓練過程主動或被動的中斷。如果訓練一個模型需要花費幾天的訓練時間，中斷后從初始狀態 ...

在“手寫數字識別”案例的快速入門中，我們調用飛槳提供的API（paddle.dataset.mnist）加載MNIST數據集。但在工業實踐中，我們面臨的任務和數據環境千差萬別，需要編寫適合當前任務的數據處理程序。 但是編寫自定義的數據加載函數，一般會涉及以下四個部分 ...

接下來介紹在paddlepaddle中如何使用多CPU來加速訓練。 接着前面幾節講的手寫數字識別部分，在啟動訓練前，加載數據和網絡結構的代碼部分均不變。 View Code 單GPU訓練 現實生活中，我們可能會遇到更復雜的機器學習、深度學習任務 ...

在模型訓練部分，為了保證模型的真實效果，我們需要對模型進行一些調試和優化，主要分為以下五個環節： 計算分類准確率，觀測模型訓練效果。 交叉熵損失函數只能作為優化目標，無法直接准確衡量模型的訓練效果。准確率可以直接衡量訓練效果，但由於其離散性質，不適合做為損失函數優化 ...