求一份基于paddle1.7版手写数字识别案例
收藏
快速回复
AI Studio平台使用 问答Notebook项目 1115 8
求一份基于paddle1.7版手写数字识别案例
收藏
快速回复
AI Studio平台使用 问答Notebook项目 1115 8

求哪位前辈分享一份基于paddle 1.7 的 手写数字识别案例,谢谢!

已尝试把官网案例中的fc函数改成Linear函数后,下面的不知道怎么改了,卡在交叉熵损失函数这

如:

#使用交叉熵损失函数,描述真实样本标签和预测概率之间的差值
cost = fluid.layers.cross_entropy(input=predict, label=label)

0
收藏
回复
全部评论(8)
时间顺序
AIStudio810261
#2 回复于2020-04

https://aistudio.baidu.com/aistudio/projectdetail/78958

0
回复
风样V男子
#3 回复于2020-04
https://aistudio.baidu.com/aistudio/projectdetail/78958

谢谢!可以了

但是需要把spyder关掉后重启,否则在 hidden1 = fluid.layers.fc(input=input, size=100, act='relu') 会报如下错误:

C++ Call Stacks (More useful to developers): -------------------------------------------- Windows not support stack backtrace yet.

0
回复
水水水的老师
#4 回复于2020-04

官方文档就有

0
回复
AIStudio810258
#5 回复于2020-05

当时我也卡在这里,动态图里用Linear代替了FC,需要指明输入的维度。但后面一执行到求loss就出错。

0
回复
AIStudio810258
#6 回复于2020-05

【下面是我写的一些小贴,有空可以fork玩玩(项目列表)】

训练数据太少?过拟合?一文带你领略“数据增长魔法”(上) (https://aistudio.baidu.com/aistudio/projectdetail/408059)

训练数据太少?过拟合?一文带你领略“数据增长魔法”(下) (https://aistudio.baidu.com/aistudio/projectdetail/422256)

一文帮你理解用Paddle训练模型的原理1-手写回归模型 (https://aistudio.baidu.com/aistudio/projectdetail/367090)

一文帮你理解用Paddle训练模型的原理2-权值可视化(VisualDL) (https://aistudio.baidu.com/aistudio/projectdetail/386954)

来AI Studio互粉吧~等你哦~ https://aistudio.baidu.com/aistudio/personalcenter/thirdview/76563

0
回复
风样V男子
#7 回复于2020-05
【下面是我写的一些小贴,有空可以fork玩玩(项目列表)】 训练数据太少?过拟合?一文带你领略“数据增长魔法”(上) (https://aistudio.baidu.com/aistudio/projectdetail/408059) 训练数据太少?过拟合?一文带你领略“数据增长魔法”(下) (https://aistudio.baidu.com/aistudio/projectdetail/422256) 一文帮你理解用Paddle训练模型的原理1-手写回归模型 (https://aistudio.baidu.com/aistudio/projectdetail/367090) 一文帮你理解用Paddle训练模型的原理2-权值可视化(VisualDL) (https://aistudio.baidu.com/aistudio/projectdetail/386954) 来AI Studio互粉吧~等你哦~ https://aistudio.baidu.com/aistudio/personalcenter/thirdview/76563
展开

好的,感谢,感谢

0
回复
水水水的老师
#8 回复于2020-05

看看这个  https://www.paddlepaddle.org.cn/tutorials/projectdetail/341639

0
回复
水水水的老师
#9 回复于2020-05

稍微进阶之后看后面整个一个系列的内容

0
回复
在@后输入用户全名并按空格结束,可艾特全站任一用户