weixin_46604911的博客

PaddleClas 主要代码和目录结构如下benchmark: 文件夹下存放了一些 shell 脚本，主要是为了测试 PaddleClas 中不同模型的速度指标，如单卡训练速度指标、多卡训练速度指标等。 dataset：文件夹下存放数据集和用于处理数据集的脚本。脚本负责将数据集处理为适合 Dataloader 处理的格式。 deploy：部署核心代码，文件夹存放的是部署工具，支持 python/cpp inference、Hub Serveing、Paddle Lite、Slim 离线量化等多..

"""功能：计算常量的加法：1+1"""import paddle # 导入PaddlePaddle库print(paddle.__version__) # 查看版本号# 定义两个张量x1 = paddle.ones([2,2], dtype='int64')x2 = paddle.ones([2,2], dtype='int64')# print(x1,x2)# 将两个张量求和y1 = paddle.add(x1, .

import paddleimport numpy as npimport matplotlib.pyplot as plt# # 设置数据读取器，API自动读取MNIST数据训练集train_dataset = paddle.vision.datasets.MNIST(mode='train')print(len(train_dataset))img = np.array(train_dataset[0][0])train_label_0 = np.array(train_datase.

1.梯度下降法import numpy as npimport matplotlib.pyplot as pltfrom mpl_toolkits.mplot3d import Axes3Dclass Network(object): def __init__(self, num_of_weights): np.random.seed(0) # 当我们设置相同的seed，每次生成的随机数相同。 self.w = np.random.randn(nu.