PaddlePaddle 飞桨实现GAN生成对抗网络生成MINIST手写数字图像
import paddlefrom paddle.nn import Conv2D, MaxPool2D, Linear, BatchNorm,Upsampleimport numpy as npimport matplotlib.pyplot as plt
/opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages/paddle/fluid/layers/utils.py:26: DeprecationWarning: `np.int` is a deprecated alias for the builtin `int`. To silence this warning, use `int` by itself. Doing this will not modify any behavior and is safe. When replacing `np.int`, you may wish to use e.g. `np.int64` or `np.int32` to specify the precisi ...
别玩手机 图像分类比赛
浙大宁波理工学院数据科学与大数据专业 别玩手机图像分类比赛
1 选手禁止互相抄袭，发现结果雷同者将取消成绩；
2 请在基线模型基础上修改代码，不允许使用第三方封装库、套件或者其他工具，否则做 0 分处理；
3 每位同学请独立完成比赛，不允许就比赛技术问题进行相互交流，更不允许索要代码，请自觉遵守规则，保持良好的品格；
4 晚上 12：00 以后不允许递交，否则做 0 分处理；
5 结果文件必须是程序生成，不允许手动修改或者后期处理。
赛题背景如今，手机已成为大众离不开的生活工具，而且它的迅速发展使得它的功能不再以通讯为主，手机逐渐发展为可移动的大众传播媒体终端设备，甚至可以比作为第五媒体。当今的大学生群体是智能手机使用者中的一支巨大的的队伍，零零后大学生在进入大学以来，学习生活中过度的依赖手机，甚至上课时忘记携带手机便会手足无措，神情恍惚。本比赛要求通过监控摄像头等拍摄到的画面判断画面中的人物是否正在使用手机
数据集介绍本比赛采用的数据集中,训练集共 2180 张使用手机的图片（位于目录 data/data146247/train/0_phone/）、1971 张没有使用手机的图片 ...
解决PaddlePaddle飞桨在迁移学习使用预训练模型时更改num_classes参数出现警告
当我们使用 PaddlePaddle 进行迁移学习的时候，直接导入模型虽然是可以的，但是总是会有个警告
如直接用官方的 resnet101 并加载预训练模型的话
model = paddle.vision.models.resnet101(pretrained=True, num_classes=2)
会提示这些信息：
model = paddle.vision.models.resnet101(pretrained=True, num_classes=2)W0508 14:42:41.530314 1313 device_context.cc:447] Please NOTE: device: 0, GPU Compute Capability: 7.0, Driver API Version: 11.2, Runtime API Version: 10.1W0508 14:42:41.535259 1313 device_context.cc:465] device: 0, cuDNN Version: 7.6./opt/conda/envs/python35-paddle12 ...
PaddlePaddle 自动求导
自动求导在 PaddlePaddle 中使用自动求导来计算导数。
要求：$ f(x)=\sin{x} $,绘制 $f(x)$ 和 $\dfrac{\mathrm{d}f(x)}{\mathrm{d}x}$ 的图像，不能使用 $ f’(x)=\cos{x}$
in[1]
import paddleimport numpy as npimport matplotlib.pyplot as plt%matplotlib inlinex = paddle.to_tensor(np.arange(-5, 5, 0.01), dtype="float32", stop_gradient=False)y = paddle.sin(x)paddle.autograd.backward(y)dydx = x.gradx, y, dydxplt.plot(x, y)plt.plot(x, dydx)plt.show()
output[1]
APIbackwardpaddle.autograd.backward(tensors, grad_tensors=None, retain_gr ...