快速上手 Tensor Dataset 与 DataLoader 搭建神经网络 Autograd 反向传播与 optimizer 模型的加载与保存 静态图模块 nn.Graph

语义角色标注 说明 背景介绍 模型概览 栈式循环神经网络（Stacked Recurrent Neural Network） 双向循环神经网络（Bidirectional Recurrent Neural Network） 条件随机场 (Conditional Random Field) 深度双向LSTM（DB-LSTM）SRL模型 数据介绍 ...

语义角色标注 说明 背景介绍 模型概览 栈式循环神经网络（Stacked Recurrent Neural Network） 双向循环神经网络（Bidirectional Recurrent Neural Network） 条件随机场 (Conditional Random Field) 深度双向LSTM（DB-LSTM）SRL模型 数据介绍 ...

卷积神经网络基础 图像分类 目标检测

API分类检索 API分类检索 本模块分功能向您介绍PaddlePaddle Fluid的API体系和用法，提高您的查找效率，帮助您快速了解PaddlePaddle Fluid API的全貌，包括以下几个模块： 基础概念 神经网络层 复杂网络 优化器 反向传播 评价指标 模型保存与加载 预测引擎 显存优化 执行引擎 数据并行执...

常见的分布式并行策略 为什么分布式训练越来越流行 常见的并行策略 数据并行 模型并行 流水并行 混合并行 常见的分布式并行策略 为什么分布式训练越来越流行 近年来，深度学习被广泛应用到各个领域，包括计算机视觉、语言理解、语音识别、广告推荐等。在这些不同的领域中，一个共同的特点就是模型规模越来越大，比如 GPT-3 模型的参数量达到1750...

深度学习简介 起源 发展 成功案例 特点 小结 练习 参考文献 深度学习简介 你可能已经接触过编程，并开发过一两款程序。同时你可能读过关于深度学习或者机器学习的铺天盖地的报道，尽管很多时候它们被赋予了更广义的名字：人工智能。实际上，或者说幸运的是，大部分程序并不需要深度学习或者是更广义上的人工智能技术。例如，如果我们要为一台微波炉编写一...

3.14. 正向传播、反向传播和计算图 3.14.1. 正向传播 3.14.2. 正向传播的计算图 3.14.3. 反向传播 3.14.4. 训练深度学习模型 3.14.5. 小结 3.14.6. 练习 3.14. 正向传播、反向传播和计算图 前面几节里我们使用了小批量随机梯度下降的优化算法来训练模型。在实现中，我们只提供了模型的正向传播...

6.4. 循环神经网络的从零开始实现 6.4.1. one-hot向量 6.4.2. 初始化模型参数 6.4.3. 定义模型 6.4.4. 定义预测函数 6.4.5. 裁剪梯度 6.4.6. 困惑度 6.4.7. 定义模型训练函数 6.4.8. 训练模型并创作歌词 6.4.9. 小结 6.4.10. 练习 6.4. 循环神经网络的...

3.3. 线性回归的简洁实现 3.3.1. 生成数据集 3.3.2. 读取数据 3.3.3. 定义模型 3.3.4. 初始化模型参数 3.3.5. 定义损失函数 3.3.6. 定义优化算法 3.3.7. 训练模型 3.3.8. 小结 3.3.9. 练习 3.3. 线性回归的简洁实现 随着深度学习框架的发展，开发深度学习应用变得越来越...