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：

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

• 使用卷积进行图像分类 ：介绍使用 PaddlePaddle 在 Cifar10 数据集上完成图像分类。

• 使用 ViT 进行图像分类 ：介绍使用 PaddlePaddle 在 CIFAR-100 数据集上基于 Vision Transformer 实现图像分类。

• 多模态眼底图像分类 ：介绍使用 PaddlePaddle 基于 EfficientNet 和 ResNet 双分支网络完成多模态眼底图像分类。

• 3D 图像分类 ：介绍使用 PaddlePaddle 在 CT 扫描数据集上基于 3D-CNN 实现图像分类。

• 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。

• 点云分割 :介绍使用 PaddlePaddle 基于 PointNet 实现多类点云分割。

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 基于 LSTM 模型实现文本翻译。

• 文本翻译 ：介绍使用 PaddlePaddle 基于 Transformer 模型实现文本翻译。

• 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。

• Deep Q-Network (DQN 算法) : 介绍使用 PaddlePaddle 基于 DQN 算法玩“合成大西瓜”。

• AlphaZero 算法 : 介绍使用 PaddlePaddle 基于 AlphaZero 算法训练一个会下五子棋的 AI 模型。

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。

• 气温趋势预测 : 介绍使用 PaddlePaddle 完成多变量时序数据趋势预测。

• 股价趋势预测 : 介绍使用 PaddlePaddle 完成多变量时序数据分类。

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。

生成式对抗网络

• 图像风格迁移 : 介绍使用 PaddlePaddle 实现了 CycleGAN 模型用于风格迁移。

• 人脸图像生成 : 介绍使用 PaddlePaddle 通过 DCGAN 实现人脸图像生成。

• 手写数字生成 : 介绍使用 PaddlePaddle 在 MNIST 数据集下训练经典 GAN 模型。

• 街景生成 : 介绍使用 PaddlePaddle 基于 Pix2Pix 实现根据掩码生成街景。