本文主要是介绍深度学习(十一)-PaddlePaddle,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
PaddlePaddle
- PaddlePaddle(Parallel Distributed Deep Learning,中文名飞桨) 是百度公司推出的开源、易学习、易使用的分布式深度学习平台
- 源于产业实践,在实际中有着优异表现
- 支持多种机器学习经典模型
优点
- 易用性。语法简洁,API的设计干净清晰
- 丰富的模型库。借助于其丰富的模型库,可以非常容易的复现一些经典方法
- 全中文说明文档。首家完整支持中文文档的深度学习平台
- 运行速度快。充分利用 GPU 集群的性能,为分布式环境的并行计算进行加速
学习资源
- 官网
地址:https://www.paddlepaddle.org.cn/
内容:学习指南、文档、API手册
- 百度云智学院
地址:http://abcxueyuan.cloud.baidu.com/#/courseDetail?id=14958
内容:教学视频
- AIStudio
地址:https://aistudio.baidu.com/aistudio/projectoverview/public/1
内容:项目案例
体系结构
编译与执行过程
- 用户编写的python程序通过调用 Paddle 提供的算子,向Program 中添加变量(Tensor)以及对变量的操作(Operators 或者 Layers)
- 原始Program在框架内部转换为中间描述语言:ProgramDesc
- Transpiler 接受一段 ProgramDesc ,输出一段变化后的 ProgramDesc ,作为后端Executor 最终需要执行的 Program
- 执行 ProgramDesc 中定义的 Operator(可以类比为程序语言中的指令),在执行过程中会为
- Fluid:定义程序执行流程
- Program:对用户来说一个完整的程序
- executor:执行器,执行程序
张量
张量(Tensor): 多维数组或向量,同其它主流深度学习框架一样,PaddlePaddle使用张量来承载数据
LoDTensor
- LoD(Level-of-Detail) Tensor是Paddle的高级特性,是对Tensor的一种扩充。LoDTensor通过牺牲灵活性来提升训练的效率。
- LoDTensor用来处理变长数据信息,将长度不一致的维度拼接为一个大的维度,并引入了一个索引数据结构(LoD)来将张量分割成序列。
Layer
表示一个独立的计算逻辑,通常包含一个或多个operator(操 作),如layers.relu表示ReLU计算;
layers.pool2d表示pool操作。Layer的输入和输出为Variable。
Variable
表示一个变量,在paddle中,Variable 基本等价于 Tensor 。 Variable进入Layer计算,然后Layer返回Variable。创建变量方式:
Scope
scope 在 paddle 里可以看作变量空间,存储fluid创建的变量。变量存储于unordered_map 数据结构中,该结构类似于python中的dict,键是变量的名字,值是变量的指针。
一 个 p a d d l e 程 序 有 一 个 默 认 的 全 局 s c o p e ( 可 以 通 过fluid.global_scope() 获取)。如果没有主动创建 scope 并且通过fluid.scope_guard() 替换当前 scope,那么所有参数都在全局 scope中。 参数创建的时机不是在组网时,而是在 executor.run() 执行时。
program 和 scope 配合,才能表达完整模型(模型=网络结构+参数)
Executor
Executor用来接收并执行Program,会一次执行Program中定义的所有计算。通过feed来传入参数,通过fetch_list来获取执行结果。
Place
PaddlePaddle可以运行在Intel CPU,Nvidia GPU,ARM CPU和更多嵌入式设备上,可以通过Place用来指定执行的设备(CPU或 GPU)。
Optimizer
优化器,用于优化网络,一般用来对损失函数做梯度下降优化,从而求得最小损失值
这篇关于深度学习(十一)-PaddlePaddle的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!