自动混合精度训练 一、半精度浮点类型 FP16 二、NVIDIA GPU的FP16算力 三、使用飞桨框架实现自动混合精度 3.1 辅助函数 3.2 构建一个简单的网络 3.3 使用默认的训练方式进行训练 3.4 使用AMP训练模型 四、进阶用法 4.1 使用梯度累加 五、总结 自动混合精度训练 一般情况下，训练深度学习模型时使用的...

使用卷积神经网络进行图像分类 一、环境配置 二、加载数据集 三、组建网络 四、模型训练&预测 The End 使用卷积神经网络进行图像分类 作者: PaddlePaddle 日期: 2021.05摘要: 本示例教程将会演示如何使用飞桨的卷积神经网络来完成图像分类任务。这是一个较为简单的示例，将会使用一个由三个卷积层组成的网络完成cif...

使用卷积神经网络进行图像分类 一、环境配置 二、加载数据集 三、组建网络 四、模型训练&预测 The End 使用卷积神经网络进行图像分类 作者: PaddlePaddle 日期: 2021.01 摘要: 本示例教程将会演示如何使用飞桨的卷积神经网络来完成图像分类任务。这是一个较为简单的示例，将会使用一个由三个卷积层组成的网络完...

移动端部署 移动端部署 本模块介绍了飞桨的端侧推理引擎Paddle-Lite： Paddle Lite ：简要介绍了 Paddle-Lite 特点以及使用说明。

get_include 返回 代码示例 get_include paddle.sysconfig.get_include ( ) [源代码] 获取包含飞桨C++头文件的目录。 返回 字符串类型的文件目录。 代码示例 import paddle include_dir = paddle . sysconfig ...

移动端部署 移动端部署 本模块介绍了飞桨的端侧推理引擎Paddle-Lite： Paddle Lite ：简要介绍了 Paddle-Lite 特点以及使用说明。

算子映射 算子映射 你可以通过以下内容，了解飞桨算子映射信息: Paddle API映射表 : 说明 Paddle 1.8 版本与 Paddle 2.0 API对应关系。 PyTorch API映射表 : 说明 PyTorch 1.8 版本与 Paddle 2.0 API对应关系。

航模电机驱动控制 Crazepony电机驱动 无刷电调（读做tiao） 扩展阅读 航模电机驱动控制 作者：nieyong 电机驱动控制就是控制电机的转动或者停止，以及转动的速度。电机驱动控制部分也叫做电子调速器 ，简称电调，英文electronic speed controller（ESC）。电调对应使用的电机不同，分无刷电调和有刷电调...

Dropout 参数 形状 代码示例 使用本API的教程文档 Dropout paddle.nn. Dropout ( p=0.5, axis=None, mode=”upscale_in_train”, name=None ) [源代码] Dropout是一种正则化手段，该算子根据给定的丢弃概率 p ，在训练过程中随机将一些神经元输出设...

简单案例 简单案例 这里是基于PaddlePaddle实现的简单深度学习入门案例，帮助您更快速的了解飞桨的使用方法，并解决简单深度学习问题，以下是具体的案例详解： 线性回归 数字识别 词向量