本部分将介绍飞桨框架2.0的开发流程。
为了快速上手飞桨框架2.0,你可以参考 10分钟快速上手飞桨 ;
当完成了快速上手的任务后,下面这些模块会阐述如何用飞桨框架2.0,实现深度学习过程中的每一步。具体包括:
- 数据集定义与加载 : 飞桨框架数据加载的方式,主要为
paddle.io.Dataset + paddle.io.DataLoader
,以及飞桨内置数据集的介绍。 - 数据预处理 : 飞桨框架数据预处理的方法,主要是
paddle.vision.transform.*
。 - 模型组网 : 飞桨框架组网API的介绍,主要是
paddle.nn.*
,然后是飞桨框架组网方式的介绍,即 Sequential 的组网与 SubClass 的组网。 - 训练与预测 : 飞桨框架训练与预测的方法,有两种方式,一种是使用高层API
paddle.Model
封装模型,然后调用model.fit()、model.evaluate()、model.predict()
完成模型的训练与预测;另一种是用基础API完成模型的训练与预测,也就是对高层API的拆解。 - 资源配置 : 飞桨框架在单机单卡、单机多卡的场景下完成模型的训练与预测。
- 自定义指标 : 飞桨框架自定义指标的方法,主要包含自定义Loss、自定义Metric与自定义Callback。
- 模型的加载与保存 : 飞桨框架模型的加载与保存体系介绍。
- 模型转ONNX协议 : 飞桨框架模型转换为ONNX格式介绍。
.. toctree:: :hidden: 01_quick_start_cn.rst 02_data_load_cn.rst 03_data_preprocessing_cn.rst 04_model_cn.rst 05_train_eval_predict_cn.rst 06_device_cn.rst 07_customize_cn.rst 08_model_save_load_cn.rst 09_model_to_onnx_cn.rst