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。

  • 单机多卡训练 : 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。