PaddlePaddle 标签

《PaddlePaddle从入门到炼丹》十——VisualDL 训练可视化

  |   0 评论   |   0 浏览   |   夜雨飘零

VisualDL 是一个面向深度学习任务设计的可视化工具,包含了 scalar、参数分布、模型结构、图像可视化等功能。可以这样说:“所见即所得”。我们可以借助 VisualDL 来观察我们训练的情况,方便我们对训练的模型进行分析,改善模型的收敛情况。

《PaddlePaddle从入门到炼丹》九——迁移学习

  |   0 评论   |   0 浏览   |   夜雨飘零

在深度学习训练中,例如图像识别训练,每次从零开始训练都要消耗大量的时间和资源。而且当数据集比较少时,模型也难以拟合的情况。基于这种情况下,就出现了迁移学习,通过使用已经训练好的模型来初始化即将训练的网络,可以加快模型的收敛速度,而且还能提高模型的准确率。这

《PaddlePaddle从入门到炼丹》八——模型的保存与使用

  |   0 评论   |   0 浏览   |   夜雨飘零

本系列教程中,前面介绍的都没有保存模型,训练之后也就结束了。那么本章就介绍如果在训练过程中保存模型,用于之后预测或者恢复训练,又或者由于其他数据集的预训练模型。本章会介绍三种保存模型和使用模型的方式。

《PaddlePaddle从入门到炼丹》六——生成对抗网络

  |   0 评论   |   0 浏览   |   夜雨飘零

我们上一章使用 MNIST 数据集进行训练,获得一个可以分类手写字体的模型。如果我们数据集的数量不够,不足于让模型收敛,最直接的是增加数据集。但是我们收集数据并进行标注是非常消耗时间了,而最近非常火的生成对抗网络就非常方便我们数据的收集。对抗生成网络可以根据之前的

《PaddlePaddle从入门到炼丹》五——循环神经网络

  |   0 评论   |   0 浏览   |   夜雨飘零

除了卷积神经网络,深度学习中还有循环神经网络也是很常用的,循环神经网络更常用于自然语言处理任务上。我们在这一章中,我们就来学习如何使用 PaddlePaddle 来实现一个循环神经网络,并使用该网络完成情感分析的模型训练。

《PaddlePaddle从入门到炼丹》四——卷积神经网络

  |   0 评论   |   0 浏览   |   夜雨飘零

上一章我们通过学习线性回归例子入门了深度学习,同时也熟悉了 PaddlePaddle 的使用方式,那么我们在本章学习更有趣的知识点卷积神经网络。深度学习之所以那么流行,很大程度上是得益于它在计算机视觉上得到非常好的效果,而在深度学习上几乎是使用卷积神经网络来提取图像的特征

《PaddlePaddle从入门到炼丹》三——线性回归

  |   0 评论   |   0 浏览   |   夜雨飘零

在第二章,我们已经学习了如何使用 PaddlePaddle 来进行加法计算,从这个小小的例子中,我们掌握了 PaddlePaddle 的使用方式。在本章中,我们将介绍使用 PaddlePaddle 完成一个深度学习非常常见的入门例子——线性回归,我们将分别使用自定义数据集和使用 PaddlePaddle 提供的数据集接口来训练一个线性回归模型。

《PaddlePaddle从入门到炼丹》二——计算1+1

  |   0 评论   |   0 浏览   |   夜雨飘零

在第一章介绍了 PaddlePaddle 的安装,接下来我们将介绍如何使用 PaddlePaddle。PaddlePaddle 是百度在 2016 年 9 月 27 日开源的一个深度学习框架,也是目前国内唯一一个开源的深度学习框架。PaddlePaddle 在 0.11.0 版本之后,开始推出 Fluid 版本,Fluid 版本相对之前的 V2 版本,Fluid 的代码结构

《PaddlePaddle从入门到炼丹》一——新版本PaddlePaddle的安装

  |   0 评论   |   0 浏览   |   夜雨飘零

这一章我们介绍如何安装新版本的 PaddlePaddle,这里说的新版本主要是说 Fluid 版本。Fluid 是设计用来让用户像 Pytorch 和 Tensorflow Eager Execution 一样执行程序。在这些系统中,不再有模型这个概念,应用也不再包含一个用于描述 Operator 图或者一系列层的符号描述,而是像通用程

基于PaddlePaddle实现的DeepSpeech2端到端中文语音识模型

  |   0 评论   |   0 浏览   |   夜雨飘零

本项目是基于 PaddlePaddle 的 DeepSpeech 项目开发的,做了较大的修改,方便训练中文自定义数据集,同时也方便测试和使用。DeepSpeech2 是基于 PaddlePaddle 实现的端到端自动语音识别(ASR)引擎,其论文为《Baidu’s Deep Speech 2 paper》 ,本项目同时还支持各种数据增强方法,以适应不同的使用场景。

PaddlePaddle实现人脸识别系统二——使用MTCNN实现人脸检测

  |   0 评论   |   0 浏览   |   夜雨飘零

前一章我们已经介绍了常见的人脸数据集,在本章将要进行人脸识别的第二步人脸检测。在人脸识别任务中,首先是需要检查一张图片中是包含有人脸,然后把这个人脸裁剪出来,然后使用脸部的关键点进行人脸对齐,最后使用人脸对比方式完成人脸识别。

PaddlePaddle实现手写藏文识别

  |   0 评论   |   0 浏览   |   夜雨飘零

中央民族大学创业团队巨神人工智能科技在科赛网公开了一个 TibetanMNIST 正是形体藏文中的数字数据集,TibetanMNIST 数据集的原图片中,图片的大小是 350*350 的黑白图片,图片文件名称的第一个数字就是图片的标签,如 0_10_398.jpg 这张图片代表的就是藏文的数字 0。在本项目中我们结合第四章所学的卷积神经网络,来完成 TibetanMNIST 数据集的分类识别。

Caffe模型转PaddlePaddle的Fluid版本预测模型

  |   0 评论   |   0 浏览   |   夜雨飘零

有不少开发者在学习深度学习框架的时候会开源一些训练好的模型,我们可以使用这些模型来运用到我们自己的项目中。如果使用的是同一个深度学习框架,那就很方便,可以直接使用,但是如果时不同深度学习框架,我们就要对模型转换一下。下面我们就介绍如何把 Caffe 的模型转换成 PaddlePaddle 的 Fluid 模型。

《我的PaddlePaddle学习之路》笔记十四——把PaddlePaddle迁移到Android设备上

  |   0 评论   |   0 浏览   |   夜雨飘零

PaddlePaddle 还可以迁移到 Android 或者 Linux 设备上,在这些部署了 PaddlePaddle 的设备同样可以做深度学习的预测。在这篇文章中我们就介绍如何把 PaddlePaddle 迁移到 Android 手机上,并在 Android 的 APP 中使用 PaddlePaddle。

《我的PaddlePaddle学习之路》笔记十三——把PaddlePaddle部署到网站服务器上

  |   0 评论   |   0 浏览   |   夜雨飘零

如果读者使用过百度等的一些图像识别的接口,比如百度的细粒度图像识别接口,应该了解这个过程,省略其他的安全方面的考虑。这个接口大体的流程是,我们把图像上传到百度的网站上,然后服务器把这些图像转换成功矢量数据,最后就是拿这些数据

《我的PaddlePaddle学习之路》笔记十二——可视化工具VisualDL的使用

  |   0 评论   |   0 浏览   |   夜雨飘零

VisualDL 是一个面向深度学习任务设计的可视化工具,包含了 scalar、参数分布、模型结构、图像可视化等功能。可以这样说:“所见即所得”。我们可以借助 VisualDL 来观察我们训练的情况,方便我们对训练的模型进行分析,改善模型的收敛情况。

《我的PaddlePaddle学习之路》笔记十一——新版本Fluid的使用

  |   0 评论   |   0 浏览   |   夜雨飘零

PaddlePaddle 的 Fluid 是 0.11.0 提出的,Fluid 是设计用来让用户像 Pytorch 和 Tensorflow Eager Execution 一样执行程序。在这些系统中,不再有模型这个概念,应用也不再包含一个用于描述 Operator 图或者一系列层的符号描述,而是像通用程序那样描述训练或者预测的过程。而 Fluid 与 PyTorch 或 Eager Execution 的区别在于 Fluid 不依赖 Python 提供的控制流,例如 if-else-then 或者