应用实践

如果你已经初步了解了 PaddlePaddle,期望可以针对实际问题建模、搭建自己网络,本模块提供了一些 PaddlePaddle 的具体典型案例:

快速上手:

计算机视觉:

  • MNIST 数据集图像分类 :介绍使用 PaddlePaddle 在 MNIST 数据集上完成图像分类。

  • 使用卷积进行图像分类 :介绍使用 PaddlePaddle 在 Cifar10 数据集上完成图像分类。

  • 使用 ViT 进行图像分类 :介绍使用 PaddlePaddle 在 CIFAR-100 数据集上基于 Vision Transformer 实现图像分类。

  • 多模态眼底图像分类 :介绍使用 PaddlePaddle 基于 EfficientNet 和 ResNet 双分支网络完成多模态眼底图像分类。

  • 3D 图像分类 :介绍使用 PaddlePaddle 在 CT 扫描数据集上基于 3D-CNN 实现图像分类。

  • 以图搜图 : 介绍使用 PaddlePaddle 实现以图搜图。

  • 图像分割 : 介绍使用 PaddlePaddle 实现 U-Net 模型完成图像分割。

  • OCR : 介绍使用 PaddlePaddle 实现 OCR。

  • 图像超分 : 介绍使用 PaddlePaddle 完成图像超分。

  • 人脸关键点检测 : 介绍使用 PaddlePaddle 完成人脸关键点检测。

  • 点云分类 :介绍使用 PaddlePaddle 完成点云分类。

  • 点云分割 :介绍使用 PaddlePaddle 基于 PointNet 实现多类点云分割。

自然语言处理:

  • N-Gram :介绍使用 PaddlePaddle 实现 N-Gram 模型。

  • 文本分类 :介绍使用 PaddlePaddle 在 IMDB 数据集上完成文本分类。

  • 情感分类 :介绍使用预训练词向量完成情感分类。

  • 文本翻译 :介绍使用 PaddlePaddle 基于 LSTM 模型实现文本翻译。

  • 文本翻译 :介绍使用 PaddlePaddle 基于 Transformer 模型实现文本翻译。

  • 数字加法 : 介绍使用 PaddlePaddle 实现数字加法。

推荐:

  • 电影推荐 : 介绍使用 PaddlePaddle 实现协同过滤完成电影推荐。

强化学习:

时间序列:

动转静:

生成式对抗网络

  • 图像风格迁移 : 介绍使用 PaddlePaddle 实现了 CycleGAN 模型用于风格迁移。

  • 人脸图像生成 : 介绍使用 PaddlePaddle 通过 DCGAN 实现人脸图像生成。

  • 手写数字生成 : 介绍使用 PaddlePaddle 在 MNIST 数据集下训练经典 GAN 模型。

  • 街景生成 : 介绍使用 PaddlePaddle 基于 Pix2Pix 实现根据掩码生成街景。