应用实践¶

如果你已经初步了解了 PaddlePaddle，期望可以针对实际问题建模、搭建自己网络，本模块提供了一些 PaddlePaddle 的具体典型案例：

快速上手：

• hello paddle ：简单介绍 PaddlePaddle，完成你的第一个 PaddlePaddle 项目。

• 动态图 ：介绍使用 PaddlePaddle 动态图。

• 高层 API 详细介绍 ：详细介绍 PaddlePaddle 高层 API。

• 模型加载与保存 ：介绍 PaddlePaddle 模型的加载与保存。

• 线性回归 ：介绍使用 PaddlePaddle 实现线性回归任务。

计算机视觉：

• 图像分类 ：介绍使用 PaddlePaddle 在 MNIST 数据集上完成图像分类。

• 图像分类 ：介绍使用 PaddlePaddle 在 Cifar10 数据集上完成图像分类。

• 以图搜图 : 介绍使用 PaddlePaddle 实现以图搜图。

• 图像分割 : 介绍使用 PaddlePaddle 实现 U-Net 模型完成图像分割。

• OCR : 介绍使用 PaddlePaddle 实现 OCR。

• 图像超分 : 介绍使用 PaddlePaddle 完成图像超分。

• 人脸关键点检测 : 介绍使用 PaddlePaddle 完成人脸关键点检测。

• 点云分类 :介绍使用 PaddlePaddle 完成点云分类。

自然语言处理：

• N-Gram ：介绍使用 PaddlePaddle 实现 N-Gram 模型。

• 文本分类 ：介绍使用 PaddlePaddle 在 IMDB 数据集上完成文本分类。

• 情感分类 ：介绍使用预训练词向量完成情感分类。

• 文本翻译 ：介绍使用 PaddlePaddle 实现文本翻译。

• 数字加法 : 介绍使用 PaddlePaddle 实现数字加法。

推荐：

• 电影推荐 : 介绍使用 PaddlePaddle 实现协同过滤完成电影推荐。

强化学习：

• 演员-评论家算法 : 介绍使用 PaddlePaddle 实现演员-评论家算法。

• 优势-演员-评论家算法(A2C) : 介绍使用 PaddlePaddle 实现 A2C 算法。

• 深度确定梯度策略(DDPG) : 介绍使用 PaddlePaddle 实现 DDPG 算法。

时间序列：

• 异常数据检测 : 介绍使用 PaddlePaddle 完成时序数据异常点检测。

动转静：

• 使用动转静完成以图搜图 : 介绍使用 PaddlePaddle 通过动转静完成以图搜图。