模型组网 一、paddle.nn 简介 二、Sequential 组网 三、SubClass 组网 四、飞桨框架内置模型 模型组网 完成数据集的构建后，需要构建网络模型。首先介绍飞桨组网相关的API，主要是paddle.nn 下的API介绍，然后介绍动态图下飞桨框架支持的两种组网方式，分别为 Sequential 组网与 SubClass ...

Optimizer Optimizer class paddle.optimizer. Optimizer ( learning_rate=0.001, epsilon=1e-08, parameters=None, weight_decay=None, grad_clip=None, name=None ) [源代码] 优化器的基类。 参数:...

append_backward append_backward paddle.static.append_backward ( loss, parameter_list=None, no_grad_set=None, callbacks=None ) [源代码] 该接口将向主程序（main_program ）添加反向部分 。 完整的神经网络训...

LoDTensor 代码示例 方法 has_valid_recursive_sequence_lengths(self: paddle.fluid.core_avx.LoDTensor) → bool lod(self: paddle.fluid.core_avx.LoDTensor) → List[List[int]] recursive_seque...

broadcast 参数 返回 代码示例 broadcast paddle.distributed. broadcast ( tensor, src, group=0 ) [源代码] 广播一个Tensor给其他所有进程 参数 tensor (Tensor) - 如果当前进程编号是源，那么这个Tensor变量将被发送给其他进程，否则...

单机多卡训练 一、launch启动 1.1 高层API场景 1.2 基础API场景 二、spawn启动 单机多卡训练 飞桨框架2.0增加paddle.distributed.spawn 函数来启动单机多卡训练，同时原有的paddle.distributed.launch 的方式依然保留。 一、launch启动 1.1 高层API场景...

LinearWarmup LinearWarmup class paddle.optimizer.lr. LinearWarmup ( learing_rate, warmup_steps, start_lr, end_lr, last_epoch=- 1, verbose=False ) [源代码] 该接口提供一种学习率优化策略-线性学习率热身...

调试方法 断点调试 打印转换后的代码 使用 print 日志打印 调试方法 本节内容将介绍动态图转静态图（下文简称：动转静）推荐的几种调试方法。 注解: 请确保转换前的动态图代码能够成功运行，建议使用 paddle.jit.ProgramTranslator().enable(False) 关闭动转静功能，直接运行动态图，如下： ...

serialize_persistables serialize_persistables paddle.static. serialize_persistables ( feed_vars, fetch_vars, executor, **kwargs ) [源代码] 根据指定的 feed_vars，fetch_vars 和 executor，...

LayerDict LayerDict class paddle.nn. LayerDict ( sublayers=None ) [源代码] LayerDict用于保存子层到有序字典中，它包含的子层将被正确地注册和添加。列表中的子层可以像常规python 有序字典一样被访问。 参数： sublayers (LayerDict|Order...