百度飞桨学习python机器学习、深度学习资料 【机器学习】GRU：实践-情感分类的另一种方法 【机器学习】LSTM：实践-谣言检测 【机器学习】python复杂操作：实践-爬虫与数据分析 【机器学习】ResNet-50原理：实践-CIFAR10数据集分类 【机器学习】VGGNet原理：实践-中草药分类 【机器学习】Word2Vec实现：实践-基于CBOW和Skip-gram实现Word2Vec 【机器学习】飞桨高层API的实践 【计算机视觉】1.实践：飞浆与python入门操作 【计算机视觉】2.实践：python复杂操作 【计算机视觉】3.理论：计算机视觉概述 【计算机视觉】4.实践：基于深度神经网络的宝石分类 【计算机视觉】5.实践：基于卷积神经网络的美食识别 【计算机视觉】6.实践：基于VGG-16 的中草药识别 等等

系统简介参考：https://blog.csdn.net/qalangtao/article/details/125607286 情感倾向分析（Sentiment Classification，简称Senta）针对带有主观描述的中文文本，可自动判断该文本的情感极性类别并给出相应的置信度，能够帮助企业理解用户消费习惯、分析热点话题和危机舆情监控，为企业提供有利的决策支持。该模型基于一个双向LSTM结构，情感类型分为积极、消极。该PaddleHub Module支持预测和Fine-tune。 系统简介参考：https://blog.csdn.net/qalangtao/article/details/125607286

百度飞桨AI训练营任务：吃鸡排名预测挑战赛过基线分数9２+代码和最终提交文件

百度飞桨AI训练营任务：吃鸡排名预测挑战赛过基线分数9２+代码和最终提交文件

数据准备和特征工程的详细代码实现+注释（百度飞桨）

逐步回归法matlab代码 写在前面 本文源于百度AI平台飞桨学院《》课程中我自己的心得和理解。 本文旨在介绍使用飞桨框架构建神经网络过程，并从房价预测模型的理解和代码的构建角度来整理所学内容，不求详尽但求简洁明了。 模型构建基本流程 飞桨的模型覆盖计算机视觉、自然语言处理和推荐系统等主流应用场景，所有场景的代码结构完全一致，如所示。 图1. 使用飞桨框架构建神经网络过程 飞桨重写房价预测模型 数据处理之前，需要先加载飞桨框架的相关类库。 #加载飞桨、Numpy和相关类库 import paddle.fluid as fluid import paddle.fluid.dygraph as dygraph from paddle.fluid.dygraph import Linear import numpy as np 1. 数据处理 数据处理包含五个部分：数据导入、数据形状变换、数据集划分、数据归一化处理和封装load data函数。数据预处理后，才能被模型调用。数据处理的代码不依赖paddle框架实现，使用numpy库即可。 对每个特征进行归一化处理，使得每个特征的取值缩放到0~

飞桨端到端预训练模型与迁移学习工具PaddleHub 大纲 1.PaddleHub整体介绍 2.模型即软件 3.PaddleHub迁移学习 4.Hub Serving

能参加到这次的百度飞桨七日“Python小白逆袭大神”打卡营是一次偶然的了解得知的这个机会，之前因为课程和基础不够扎实参加到AI实战营没有顺利跟完全程，这一次很开心可以顺利跟上并且结营。下面的内容就简要的总结一下这几天的学习内容和踩过的小坑吧。 本次课程的课程目标： 1.掌握Python的基础语言、进阶知识和常用的深度学习库，能够利用Python爬取数据并进行可视化分析 2.掌握人工智能基础知识、应用，体验人工智能的前沿技术 3.了解飞桨平台及百度AI技术、应用，掌握AI Studio的使用方法 本次课程的安排：Day1-人工智能概述与python入门基础python基础、人工智能概述Day

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。

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！