第十章深度学习paddle框架应用计算常量的加法，计算变量的加法，使用paddlepadd。。。.pdfVIP

第⼗章深度学习paddle框架应⽤计算常量的加法，计算变量的加法，使⽤

paddlepadd。。。

⽂章⽬录

PaddlePaddle基础命令

PaddlePaddle是百度开源的深度学习框架，类似的深度学习框架还有⾕歌的Tensorflow、Facebook的Pytorch等，在⼊门深度学习时，

学会并使⽤⼀门常见的框架，可以让学习效率⼤⼤提升。

使⽤paddle做常量的加法

importpaddle.fluidasf

#定义两个张量

x1=f.layers.fill_constant(shape=[2,2],value=1,dtype=int64)

x2=f.layers.fill_constant(shape=[2,2],value=1,dtype=int64)

#将两个张量求和

y1=f.layers.sum(x=[x1,x2])

创建⼀个使⽤的解释器

#CPU

place=f.CPUPlace()

exe=f.executor.Executor(place)

#进⾏参数初始化

exe.run(f.default_startup_program())

进⾏运算，并把的结果输出

#y

result=exe.run(program=f.default_main_program(),

fetch_list=[y1])

print((result))

result

使⽤paddlepaddle做变量的加法

importpaddle.fluidasfluid

importnumpyasnp

#定义两个张量

a=fluid.layers.create_tensor(dtype=int64,name=a)

b=fluid.layers.create_tensor(dtype=int64,name=b)

#将两个张量求和

y=fluid.layers.sum(x=[a,b])

创建⼀个使⽤的解释器

#CPU

place=fluid.CPUPlace()

exe=fluid.executor.Executor(place)

#进⾏参数初始化

exe.run(fluid.default_startup_program())

#定义两个要计算的变量

a1=np.array([3,2]).astype(int64)

b1=np.array([1,1]).astype(int64)

进⾏运算，并把的结果输出

#y

#feed⽤于对张量变量进⾏赋值

out_a,out_b,result=exe.run(program=fluid.default_main_program(),

feed={a:a1,b:b1},

fetch_list=[a,b,y])

print(out_a,,out_b,,,result)

result

线性回归

在统计学中，线性回归(LinearRegression)是利⽤称为线性回归⽅程的最⼩平⽅函数对⼀个或多个⾃变量和因变量之间关系进⾏建模的⼀

种回归分析。这种函数是⼀个或多个称为回归系数的模型参数的线性组合。只有⼀个⾃变量的情况称为简单回归,⼤于⼀个⾃变量情况的叫做

多元回归。（这反过来⼜应当由多个相关的因变量预测的多元线性回归区别，⽽不是⼀个单⼀的标量变量。）

1.定义⼀个简单的线性⽹络，这个⽹络⾮常简单，结构是：输⼊层–隐层–输出层，这个⽹络⼀共有2层，因为输⼊层不算⽹络的层

数。更具体的就是⼀个⼤⼩为100，激活函数是ReLU的全连接层和⼀个输出⼤⼩为1的全连接层，就这样构建了⼀个⾮常简单的⽹络。这

⾥使⽤输⼊fluid.lay