2019-02 的文章
《PaddlePaddle从入门到炼丹》十三——自定义图像数生成
这篇教程详细介绍了如何使用PaddlePaddle框架实现一个简单的生成对抗网络（GAN），用于生成手写数字MNIST数据集的图像。以下是总结和进一步的扩展建议： ### 总结 1. **项目结构与依赖**： - 介绍项目的组织方式，包括代码文件和目录结构。 - 列出了必要的PaddlePaddle库。 2. **生成器模型设计**： - 定义了生成器网络架构，包括层的类型
阅读全文《PaddlePaddle从入门到炼丹》十四——把预测模型部署在服务器
本文介绍了使用Flask搭建图像识别接口的过程。首先，通过简单的Flask程序设置根路径和上传文件功能；随后，实现图片预测API，加载模型并进行推理。用户可上传图片后直接获取分类结果及置信度。整个流程包括环境准备、代码编写与部署等步骤，适合初学者学习图像处理服务的开发方法。 关键点： 1. **Flask设置**：创建根路径和文件上传功能。 2. **模型加载**：从PaddlePaddle模型
阅读全文《PaddlePaddle从入门到炼丹》十五——把预测模型部署到Android手机上
感谢您的分享和详细的笔记，这为想要学习如何在Android应用中集成PaddlePaddle进行图像识别的开发者提供了很好的参考。下面我将对您提供的信息做一总结，并补充一些可能有助于理解的内容： ### 1. 环境准备 - **开发环境**：确保安装了最新版本的Android Studio。 - **权限配置**：在`AndroidManifest.xml`中添加必要的权限，如读写外部存储。
阅读全文《PaddlePaddle从入门到炼丹》十一——自定义图像数据集识别
这篇笔记主要介绍了如何使用PaddlePaddle进行图像分类任务的训练和预测，具体包括以下几个部分： ### 1. 准备数据集 作者从一个包含6类水果图片的数据集中提取了240张图片作为训练集，并将其整理为CSV文件格式。 ### 2. 构建模型 使用PaddlePaddle定义了一个简单的LeNet模型结构。该模型包括两个卷积层、两个池化层和全连接层，最后通过Softmax进行分类。 #
阅读全文《PaddlePaddle从入门到炼丹》十二——自定义文本数据集分类
### 《PaddlePaddle从入门到炼丹》十二——自定义文本数据集分类 在上一章中，我们介绍了如何使用PaddlePaddle进行自定义图像数据集的识别。这一章节我们将继续深入介绍PaddlePaddle的功能和应用，重点讲解如何处理和训练自定义文本数据集。 #### 1. 准备数据 首先准备一个简单的文本分类数据集，用于测试我们的模型。假设我们有两个类别的新闻文章：文化与娱乐。以下是
阅读全文文章开始同步到我的微信公众号
作者自述其个人博客自建立以来，保持着高质量且不频繁的更新频率，并得到了读者的喜爱和支持。为了进一步方便读者阅读，作者决定将博客文章同步至微信公众号“夜雨飘零”。这一举措不仅便于更多人获取信息，也表达了作者对支持者的感谢之情。同时鼓励读者关注并扫码订阅。
阅读全文