index_cn.rst

模型开发

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APIpaddle.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