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。