碼雲倉庫：
簡介那麼，paddlepaddle 有什麼特點？
支援多種深度學習模型 dnn（深度神經網路）、cnn（卷積神經網路）、 rnn（遞迴神經網路），以及 ntm 這樣的複雜記憶模型。
基於 spark，與它的整合程度很高。
支援 python 和 c++ 語言。
支援分布式計算。作為它的設計初衷，這使得 paddlepaddle 能在多 gpu，多台機器上進行平行計算。
相比現有深度學習框架，paddlepaddle 對開發者來說有什麼優勢？
首先，是易用性。
相比偏底層的谷歌 tensorflow，paddlepaddle 的特點非常明顯：它能讓開發者聚焦於構建深度學習模型的高層部分。專案負責人徐偉介紹：
「在 paddlepaddle 的幫助下，深度學習模型的設計如同編寫偽**一樣容易，設計師只需關注模型的高層結構，而無需擔心任何瑣碎的底層問題。未來，程式設計師可以快速應用深度學習模型來解決醫療、金融等實際問題，讓人工智慧發揮出最大作用。」
拋開底層編碼，使得 tensorflow 裡需要數行**來實現的功能，可能在 paddlepaddle 裡只需要一兩行。徐偉表示，用 paddlepaddle 編寫的機器翻譯程式只需要「其他」深度學習工具四分之一的**。這顯然考慮到該領域廣大的初入門新手，為他們降低開發機器學習模型的門檻。這帶來的直接好處是，開發者使用 paddlepaddle 更容易上手。
其次，是更快的速度。
如上所說，paddlepaddle 上的**更簡潔，用它來開發模型顯然能為開發者省去一些時間。這使得 paddlepaddle 很適合於工業應用，尤其是需要快速開發的場景。
另外，自誕生之日起，它就專注於充分利用 gpu 集群的效能，為分布式環境的平行計算進行加速。這使得在 pebblepebble 上，用大規模資料進行 ai 訓練和推理可能要比 tensorflow 這樣的平台要快很多。
說到這裡，業內對 paddlepaddle 怎麼看？
知乎上，caffe 的創始人賈楊清對 paddlepaddle 評價道：
"很高質量的 gpu **"
"非常好的 rnn 設計"
"設計很乾淨，沒有太多的 abstraction，這一點比 tensorflow 好很多"
"設計思路有點老"
"整體的設計感覺和 caffe 『心有靈犀』，同時解決了 caffe 早期設計當中的一些問題」
最後，賈表示 paddlepaddle 的整體架構功底很深，是下了功夫的。這方面，倒是贏得了開發者的普遍認同。
總結起來，業內對 paddlepaddle 的總體評價是「設計乾淨、簡潔，穩定，速度較快，視訊記憶體占用較小」。
但是，具有這些優點，不保證 paddlepaddle 就一定能在群雄割據的機器學習開源世界占有一席之地。有國外開發者表示， paddlepaddle 的最大優點是快。但是，比 tensorflow 快的開源框架其實有很多：比如 mxnet，nervana system 的 neon，以及三星的 veles，它們也都對分布式計算都很好的支援，但都不如 tensorflow 普及程度高。這其中有 tensorflow 龐大使用者基礎的原因，也得益於谷歌自家 ai 系統的加持。
最後，我們來看看對於自家推出的 paddlepaddle，李彥巨集怎麼說：
安裝安裝最新穩定版本:
# cpu
pip install paddlepaddle
# gpu
pip install paddlepaddle-gpu
更多安裝資訊詳見官網安裝說明
四大領先技術
開發便捷的產業級深度學習框架
飛槳深度學習框架採用基於程式設計邏輯的組網正規化，對於普通開發者而言更容易上手，符合他們的開發習慣。同時支援宣告式和命令式程式設計，兼具開發的靈活性和高效能。網路結構自動設計，模型效果超越人類專家。
支援超大規模深度學習模型的訓練
多端多平台部署的高效能推理引擎
面向產業應用，開源開放覆蓋多領域的工業級模型庫。
飛槳產品全景
使用場景概覽
模型庫
覆蓋影象、自然語言處理、推薦等多種方向的官方模型github
gitee
安裝飛槳
應用案例
飛槳源於產業實踐，始終致力於與產業深入融合。目前飛槳已廣泛應用於工業、農業、服務業等，服務 265萬開發者，與合作夥伴一起幫助越來越多的行業完成 ai 賦能。
文件我們提供英文和中文文件
使用指南
或許您想從深度學習基礎開始學習飛槳
應用實踐
api reference
新的api支援**更少更簡潔的程式
拓展bat機器學習開源平台：paddlepaddle,angel,dtpai
深度學習的框架之keras
老早之前寫過一些深度學習框架的常識。但是太不具體了。這次出乙個系列的，今天就單獨寫keras的相關知識。張量概念介紹 張量概念是向量概念和矩陣概念的推廣,標量是零階張量,向量是一階張量,矩陣 方陣 是二階張量,而三階張量則好比立體矩陣,兩個張量的點積就是將a張量的最後乙個軸中的所有元素，與b張量中倒...
深度學習框架
近一年來，深度學習的風起雲湧，產生了許多令人興奮的成果，同時，深度學習框架也是百家爭鳴。經過這一年的觀察，tensorflow 似乎成為了一種潮流，並且越來越多的框架開始為 keras 提供支援，它可能會成為一種標準。今後選擇keras框架作為深度學習的目標。keras 被認為是構建神經網路的未來，...
Keras深度學習框架之損失函式
損失函式 也稱目標函式或優化評分函式 是編譯模型時所需的兩個引數之一。model.compile loss mean squared error optimizer sgd 或from keras import losses model.compile loss losses.mean square...