工控机LINUX系统不能正常运行，改用本机WIN10，GTX1650 算力7.5，

1、先装显卡驱动；

2、图灵架构对应PADDLE最佳版本为10.2，所以再安装CUDA10.2；

3、CUDA10.2 最佳 CUDNN 为7.6.5，解压后将 bin、include、lib 覆盖至 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2；

4、下载安装对应版本的PADDLE框架。

起初报错CUDA库不匹配，经查为电脑和paddle的CUDA版本不一致，一个为10.0，一个为10.2，更换为10.2后成功，可识别简单手写数字。

数据处理与加载

数据集定义

内置数据集：paddle.vision.datasets

自定义数据集：paddle.io.datasets

数据集加载

数据读取器：paddle.io.DataLoader

批采样器：paddle.io.BatchSampler

分布式批采样器：paddle.io.DistributedBatchSampler

顺序采样器：paddle.io.SequenceSampler

随机采样器：paddle.io.RandomSampler

数据预处理

from paddle.vision.transforms import CenterCrop #图像裁剪

from paddle.vision.transforms import RandomHorizontalFlip #水平翻转

from paddle.vision.transforms import ColorJitter #图像调整

模型组网与可视化

内置模型

视觉：paddle.vision.models

'ResNet', 'resnet18', 'resnet34', 'resnet50', 'resnet101', 'resnet152', 'VGG', 'vgg11', 'vgg13', 'vgg16', 'vgg19', 'MobileNetV1', 'mobilenet_v1', 'MobileNetV2', 'mobilenet_v2', 'LeNet'

自定义模型

线性网：paddle.nn.Sequential

复杂网：paddle.nn.Layer

模型结构可视化

paddle.summary

模型训练、评估、推理、保存及加载

基础AIP

训练调优：paddle.save/load

推理部署：paddle.jit.save/load（动态图），paddle.static.save/load_inference_model（动态图）

高阶API

封装：paddle.Model

配置：Model.prepare(optimizer优化器、loss损失函数、metrics评价指标)

训练：Model.fit（epoch训练轮次、batch_size批次大小）

评估：Model.evaluate

推理：Model.predict

paddle.Model.fit (训练接口，同时带有参数保存的功能)

paddle.Model.save

paddle.Model.load

模型复杂度：参数过少则经验不足即欠拟合，参数过多则教条主义即过拟合；

计算机视觉之卷积：过滤器即卷积核对大尺寸数据样本采样，获得关键数据并缩小数据尺寸；卷积之前先填充边缘；步幅决定采样密度；卷积核大小及卷积层数决定感受野。

池化：按比例缩小数据规模，保留关键特征，忽略局部细节，通常为2X2窗口，平均池化或最大池化；

激活：sigmoid反向传播易梯度消失，RELU大部梯度为1较为稳定；

批归一化：样本及中间层输出标准化，统计分布为均值0方差1，利于算法的稳定和收敛；

丢弃：训练时随机丢弃部分神经元结果，抑制过拟合，预测时全传递结果偏大，解决方法为放大训练结果或缩小预测结果；

计算机视觉之图像分类：

经典模型如LeNet, AlexNet, VGG, GoogLeNet和ResNet，LeNet不适合大尺寸图像分类；

高层API支持paddle.vision.models接口；

示例代码运行LeNet正常，ResNet异常，forward参数个数不符，待解决；