使用飞桨（Paddle）构建单层神经网络.ipynb

使用深度学习框架完成模型构建有如下两个优势： 1. 节省编写大量底层代码的精力：屏蔽底层实现，用户只需关注模型的逻辑结构。同时，深度 学习工具简化了计算，降低了深度学习入门门槛 2. 省去了部署和适配环境的烦恼：具备灵活的移植性，可将代码部署到CPU/GPU/移动端上， 选择具有分布式性能的深度学习工具会使模型训练更高效。

基于飞桨的OCR工具库，包含总模型仅8.6M的超轻量级中文OCR，单模型支持中英文数字组合识别、竖排文本识别、长文本识别。同时支持多种文本检测、文本识别的训练算法。

作业一：输出 9*9 乘法口诀表(注意格式) 注意：提交作业时要有代码执行输出结果。 def table(): #在这里写下您的乘法口诀表代码吧！ for i in range(1,10,1): for j in range(i): j=j+1 print('%d * %d = %d '%(j,i, i*j),end='\\t') print('\n') if __name__ == '__main__': table() 1 * 1 = 1 1 * 2 = 2 2 * 2 = 4

一份不错的PaddlePaddle入门教材。百度的深度学习框架PaddlePaddle你值的了解下。

Python小白逆袭大神Day4-《青春有你2》选手识别作业：对测试的图片进行分类代码详解步骤一步骤二步骤三步骤四步骤五步骤六 Day4-《青春有你2》选手识别 作业：对测试的图片进行分类 代码详解 步骤一 爬取5位参赛选手的照片，制作训练集。这里放上我借鉴的数据集 链接: link. （#CPU环境启动请务必执行该指令 %set_env CPU_NUM=1 ）这句可不运行，后边使用GPU 步骤二 由于下载的照片名称不对，所以需要对文件进行文件名的修改，代码如下： def rename(path): filelist = os.listdir(path) c

飞桨官网的demo代码是基于V1.0版本的模型，识别效果不是很理想，此demo是基于v1.1版本模型重新编译，而且预测库文件也是基于release/v2.7重新编辑的armv7和armv8架构，识别正确率相比V1.0版本提升巨大

使用PaddlePaddle进行深度学习 运行书 您正在阅读的这本书是交互式的-每章都可以作为Jupyter Notebook运行。 我们将这本书，Jupyter，PaddlePaddle和所有依赖项打包到Docker映像中。 因此，除了Docker外，您不需要安装其他任何东西。 如果您使用的是Windows，请按照。 如果您使用的是Mac，请按照。 有关各种Linux发行版，请参阅 。 如果您使用的是Windows或Mac，则可能要给Docker。 只需输入 docker run -d -p 8888:8888 paddlepaddle/book 该命令将从DockerHub.com下载预构建的Docker映像并在容器中运行它。 请将您的Web浏览器定向到以阅读该书。 如果您生活在访问DockerHub.com的地方缓慢，则可以尝试使用我们的镜像服务器hub.baidubce.co

写在前面： 大作业不难，但是涉及到的技术稍微多一点，请对于各个函数耐心查看代码和注释，认真食用。（因为用心，所有动人） 作业内容&要求 第一步：爱奇艺《青春有你2》评论数据爬取(参考链接：https://www.iqiyi.com/v_19ryfkiv8w.html#curid=15068699100_9f9bab7e0d1e30c494622af777f4ba39) 爬取任意一期正片视频下评论 评论条数不少于1000条 第二步：词频统计并可视化展示 数据预处理：清理清洗评论中特殊字符（如：@#￥%、emoji表情符）,清洗后结果存储为txt文档 中文分词：添加新增词（如：青你、奥利给、冲鸭）

百度飞桨遇到的问题，安装cuda不能启动，错误提示importError: Could not find 'cudnn64_7.dll'的解决。将压缩包内的文件对应放入cuda安装位置即可！