引言python
PaddlePaddle做爲國內首個深度學習框架，最近發佈了更增強大的Fluid1.2版本, 增長了對Windows環境的支持，全面支持了Linux、Mac、 Windows三大環境。 PaddlePaddle在功能完備的基礎上，也儘可能秉承易學易用的特色，在Windows的安裝方面，體現了一鍵式的特色，大部分狀況下，只須要一條簡單的命令就能夠完成安裝。 用戶在使用的過程當中可能會面對安裝和編譯方面的問題，下面就從這兩個方面來分別說明。git
下載安裝命令 ## CPU版本安裝命令 pip install -f https://paddlepaddle.org.cn/pip/oschina/cpu paddlepaddle ## GPU版本安裝命令 pip install -f https://paddlepaddle.org.cn/pip/oschina/gpu paddlepaddle-gpu
安裝github
在深度學習框架上， Python語言因爲自己的易用性和豐富的類庫，被衆多深度學習框架做爲了應用方面的首選，PaddlePaddle也將Python語言做爲了本身的應用語言，以下介紹在Python下怎麼安裝PaddlePaddle。web
1.系統檢查
PaddlePaddle目前支持Windows7,8,10系列的專業和企業版本，且只支持64位的操做系統。 PaddlePaddle目前支持的Python版本覆蓋了2.7,3.5,3.6,3.7版本，基本上包含了目前主流使用的全部python版本，能夠經過以下方式檢查操做系統和python版本狀況windows
-
>>>import platform網絡 -
>>>platform.architecture()框架 -
('64bit','WindowsPE') # 64 bits on windows 64 bitside -
>>> platform.version()函數 -
'10.0.17134' # windows 10工具 -
>>> platform.python_version() -
'2.7.15' # python 2.7
如筆者本身的系統就顯示瞭如上信息。
2.拉取安裝包的方式
PaddlePaddle能夠選擇經過pip命令在線或離線安裝，下面展現一下如何離線下載安裝包。
PaddlePaddle的安裝包已經放到了python官方支持的發佈渠道上，打開https://pypi.org/ 網站，按圖中所示輸入Paddlepaddle，
用戶將會獲得當前全部的PaddlePaddle安裝包，根據系統和Python版本號選擇對應版本便可
3.安裝過程
若是是在線安裝，用戶直接輸入 pip install paddlepaddle便可正常安裝。 若是是離線安裝，用戶輸入 pip install paddlepaddle_xxx.whl 包也能夠完成安裝。
一般狀況下pip命令伴隨Python安裝包一塊兒已經獲得安裝，若是用戶發現本身沒有安裝pip，能夠到https://pip.pypa.io/en/stable/installing/ ，按照提示安裝pip便可。
若是出現錯誤，用戶能夠檢查
請使用管理員權限帳戶操做（好比Administrator帳號），並確保使用64位Python（查看系統檢查章節）
經過 控制面板 – 帳號 – 管理用戶帳號 便可看到如上界面。
4.安裝完成檢查
安裝完成後，用戶能夠打開Python命令，輸入以下語句，
-
>>> import paddle.fluid -
>>> print(paddle.__version__) -
1.2.0 # 當前paddle版本
若是出現錯誤，用戶能夠檢查PaddlePaddle依賴python的動態庫，若是當前Python沒有選擇安裝到環境變量，則可能出現找不到依賴庫的狀況，用戶能夠在以下圖中加入環境路徑，再次啓動便可。
編譯
不想本身作編譯的用戶能夠直接跳過此節。
1.前期準備
1）環境檢查:當前Paddle的編譯只支持window10 專業/企業版本。
2）工具準備
2.1 請安裝Visual Studio 2015 update3版本。
2.2請到 https://cmake.org/download/ 下載cmake 3.0及以上版本 安裝
2.3請到 https://git-scm.com/download/win 下載git安裝
2.4請到 https://www.python.org/ 下載python安裝，請注意當前支持版本爲2.7,3.5,3.6,3.7
*請到 https://pip.pypa.io/en/stable/installing/ 下載pip安裝
*請運行 pip install protobuf numpy wheel
2. 編譯過程
PaddlePaddle的編譯過程須要保證網絡可用，由於部分依賴包須要經過網絡環境獲取。 PaddlePaddle編譯須要訪問 https://github.com/
1）用戶須要到
https://github.com/paddlepaddle/paddle 下載源代碼，選擇 release 1.2 分支，下載zip包或者 經過命令
git clone https://github.com/paddlepaddle/paddle cd paddle git checkout release /1.2
2）在源代碼目錄下，建一個build子目錄並進入
3）運行
-
cmake .. -G "Visual Studio 14 2015 Win64" -DPYTHON_INCLUDE_DIR=${PYTHON_INCLUDE_DIRS} -DPYTHON_LIBRARY=${PYTHON_LIBRARY} -DPYTHON_EXECUTABLE=${PYTHON_EXECUTABLE} -DWITH_FLUID_ONLY=ON -DWITH_GPU=OFF -DWITH_TESTING=OFF -DCMAKE_BUILD_TYPE=Release
註釋：
a.其中PYTHONINCLUDEDIRS指的是python的include目錄，好比 c:\Python35\include\ b.其中PYTHONLIBRARY指定是pythonxx.lib所在的目錄，好比c:\Python35\libs\ c.其中PYTHONEXECUTABLE指的是python.exe，好比c:\Python35\ python.exe d.其中DWITHFLUIDONLY=ON指的是paddlepaddle在windows下只支持fluid版本 e.其中WITHGPU=OFF指的是paddlepaddle當前只支持CPU f.其中WITHTESTING=OFF指的是關閉測試 g.其中CMAKEBUILDTYPE=Release指的是隻支持Release編譯 h.其中-G "Visual Studio 14 2015 Win64"指的是隻支持VS2016的64bit編譯
4） 目錄下會生成paddle.sln文件，用Visual Studio 2015打開，選擇64位Release模式，開始編譯。
編譯完成檢查
1. 檢查方法
若是編譯過程不出錯則代表編譯成功，用戶能夠到 build\python\dist 目錄下查找對應的生成 whl 文件。
2. 常見編譯問題
【問】爲何個人paddle.sln文件沒有生成？ 【答】請按編譯過程要求檢查是安裝了指定的軟件和版本
【問】編譯過程當中爲何出現ssl一類的網絡錯誤？ 【答】編譯過程須要訪問網絡，請檢查系統代理和網絡連通狀況。
【問】whl文件爲何沒有生成？ 【答】請按編譯過程要求檢查python的變量是否正確設置。
訓練模型檢測
1.導入網絡
PaddlePaddle在使用方面爲了貼合用戶需求，儘可能作到了將複雜的概念簡化，深度學習用戶將網絡結構會理解爲多個層結構的疊加，相對應的，PaddlePaddle也對應的有了層的封裝。 在定義網絡方面，用戶能夠統一使用fluid.layers裏面定義好的結構，來方面的構建一個神經網絡結構，好比
-
# Include libraries. -
import paddle -
import paddle.fluid as fluid -
import numpy -
# Configure the neural network. -
def net(x, y): -
y_predict = fluid.layers.fc(input=x, size=1, act=None) -
cost = fluid.layers.square_error_cost(input=y_predict, label=y) -
avg_cost = fluid.layers.mean(cost) -
return y_predict, avg_cost
2. 定義訓練和預測函數
訓練和預測方面，能夠統一成爲輸入，計算和輸出三個大的方面，用戶可使用fluid.layers.data來定義輸入數據，對應在具體在執行層面，executor的run函數中，使用feed來接受輸入數據。
下面能夠定義預測函數和訓練函數，示例
-
# Define train function. -
def train(save_dirname): -
x = fluid.layers.data(name='x', shape=[13], dtype='float32') -
y = fluid.layers.data(name='y', shape=[1], dtype='float32') -
y_predict, avg_cost = net(x, y) -
sgd_optimizer = fluid.optimizer.SGD(learning_rate=0.001) -
sgd_optimizer.minimize(avg_cost) -
train_reader = paddle.batch( -
paddle.reader.shuffle(paddle.dataset.uci_housing.train(), buf_size=500), -
batch_size=20) -
place = fluid.CPUPlace() -
exe = fluid.Executor(place) -
def train_loop(main_program): -
feeder = fluid.DataFeeder(place=place, feed_list=[x, y]) -
exe.run(fluid.default_startup_program()) -
PASS_NUM = 1000 -
for pass_id in range(PASS_NUM): -
total_loss_pass = 0 -
for data in train_reader(): -
avg_loss_value, = exe.run( -
main_program, feed=feeder.feed(data), fetch_list=[avg_cost]) -
total_loss_pass += avg_loss_value -
if avg_loss_value < 5.0: -
if save_dirname is not None: -
fluid.io.save_inference_model( -
save_dirname, ['x'], [y_predict], exe) -
return -
print("Pass %d, total avg cost = %f" % (pass_id, total_loss_pass)) -
train_loop(fluid.default_main_program()) -
# Infer by using provided test data. -
def infer(save_dirname=None): -
place = fluid.CPUPlace() -
exe = fluid.Executor(place) -
inference_scope = fluid.core.Scope() -
with fluid.scope_guard(inference_scope): -
[inference_program, feed_target_names, fetch_targets] = ( -
fluid.io.load_inference_model(save_dirname, exe)) -
test_reader = paddle.batch(paddle.dataset.uci_housing.test(), batch_size=20) -
test_data = test_reader().next() -
test_feat = numpy.array(map(lambda x: x[0], test_data)).astype("float32") -
test_label = numpy.array(map(lambda x: x[1], test_data)).astype("float32") -
results = exe.run(inference_program, -
feed={feed_target_names[0]: numpy.array(test_feat)}, -
fetch_list=fetch_targets) -
print("infer results: ", results[0]) -
print("ground truth: ", test_label)
3. 執行訓練和預測
接着能夠簡單調用上面定義函數，訓練過程會產生輸出，用戶能夠自定義輸出目錄，在後面的預測過程當中，加載訓練輸出的模型
-
# Run train and infer. -
if __name__ == "__main__": -
save_dirname = "fit_a_line.inference.model" -
train(save_dirname) -
infer(save_dirname)
程序將輸出預測結果，好比在筆者的環境中輸出爲（僅做參考，用戶環境可能有出入） 很是歡迎您爲PaddlePaddle貢獻文檔，咱們的文檔在PaddlePaddle/FluidDoc (https://github.com/PaddlePaddle/FluidDoc) 中統一管理，如您對PaddlePaddle有任何問題，也很是歡迎您在此Repo提交Issue，您的反饋是咱們進步的動力！
下載安裝命令 ## CPU版本安裝命令 pip install -f https://paddlepaddle.org.cn/pip/oschina/cpu paddlepaddle ## GPU版本安裝命令 pip install -f https://paddlepaddle.org.cn/pip/oschina/gpu paddlepaddle-gpu
>> 訪問 PaddlePaddle 官網，瞭解更多相關內容