PaddlePaddle深度学习学习笔记（一）

初识飞桨

飞桨（PaddlePaddle）是主流深度学习框架中一款由百度出品的完全国产化的产品，与Google TensorFlow、Facebook Pytorch齐名。相比国内其他平台，飞桨是一个功能完整的深度学习平台，也是唯一成熟稳定、具备大规模推广条件的深度学习平台。
Hello PaddlePaddle !

PaddlePaddle组件使用场景 概览

概览图上半部分是从开发、训练到部署的全流程工具，下半部分是预训练模型、各领域的开发套件和模型库等模型资源：

使用飞桨框架构建神经网络模型

飞桨各模型代码结构一致，大大降低了我们的编码难度，使用飞桨构建神经网络模型基本都是由数据处理、模型设计、训练配置、训练过程、模型保存这五个步骤组成。

飞桨数据集API

飞桨提供了多个封装好的数据集API，涵盖计算机视觉、自然语言处理、推荐系统等多个领域，帮助读者快速完成深度学习任务。如在手写数字识别任务中，通过 .paddle.dataset.mnist可以直接获取处理好的MNIST训练集、测试集，飞桨API支持如下常见的学术数据集：

• mnist
• cifar
• Conll05
• imdb
• imikolov
• movielens
• sentiment
• uci_housing
• wmt14
• wmt16

如果我们需要使用mnist数据集，可以通过paddle.dataset.mnist.train()函数设置数据读取器，batch_size设置为8，即一个批次有8张图片和8个标签，代码如下所示。
在数据处理前，首先要加载飞桨与手写数字识别模型相关的类库。

#加载飞桨和相关类库
import paddle
import paddle.fluid as fluid
from paddle.fluid.dygraph.nn import Linear
import numpy as np
import os
from PIL import Image

# 如果～/.cache/paddle/dataset/mnist/目录下没有MNIST数据，API会自动将MINST数据下载到该文件夹下
# 设置数据读取器，读取MNIST数据训练集
trainset = paddle.dataset.mnist.train()
# 包装数据读取器，每次读取的数据数量设置为batch_size=8
train_reader = paddle.batch(trainset, batch_size=8)

paddle.batch函数将MNIST数据集拆分成多个批次。

其他的数据集大家可以参考https://www.paddlepaddle.org.cn/documentation/docs/zh/api_cn/data_cn/dataset_cn.html.进行学习。

大家感兴趣可以来参加 百度架构师手把手带你零基础实践深度学习 课程学习，快来一起学习哟！

第一次发博，大家多多担待哦!