10分钟快速上手飞桨（PaddlePaddle）

    如果你已经安装好飞桨那么可以跳过此步骤。飞桨提供了一个方便易用的安装引导页面，你可以通过选择自己的系统和软件版本来获取对应的安装命令，具体可以点击查看。

    安装好飞桨后你就可以在Python程序中导入飞桨。

    飞桨框架内置了一些常见的数据集，在这个示例中，你可以加载飞桨框架的内置数据集：手写数字体数据集。这里加载两个数据集，一个用来训练模型，一个用来评估模型。

    通过 Sequential 将一层一层的网络结构组建起来。注意，需要先对数据进行 Flatten 操作，将[1, 28, 28]形状的图片数据改变形状为[1, 784]。

    1.     paddle.nn.Flatten(),
    2.     paddle.nn.Linear(784, 512),
    3.     paddle.nn.ReLU(),
    4.     paddle.nn.Dropout(0.2),
    6. )
    1. The loss value printed in the log is the current step, and the metric is the average value of previous step.
    2. Epoch 1/5
    3. Epoch 2/5
    5. Epoch 3/5
    6. step 938/938 [==============================] - loss: 0.0284 - acc: 0.9780 - 18ms/step
    7. Epoch 4/5
    8. step 938/938 [==============================] - loss: 0.0062 - acc: 0.9823 - 18ms/step
    9. Epoch 5/5
    10. step 938/938 [==============================] - loss: 0.0924 - acc: 0.9859 - 18ms/step

    你可以使用预先定义的验证数据集来评估前一步训练得到的模型的精度。

      可以看出，初步训练得到的模型效果在98%附近，在逐渐了解飞桨后，你可以通过调整其中的训练参数来提升模型的精度。