训练过程acc_跟着雨哥学AI系列之三：详解飞桨框架模型训练

点击左上方蓝字关注我们

课程简介： “跟着雨哥学AI”是百度飞桨开源框架近期针对高层API推出的系列课。本课程由多位资深飞桨工程师精心打造，不仅提供了从数据处理、到模型组网、模型训练、模型评估和推理部署全流程讲解；还提供了丰富的趣味案例，旨在帮助开发者更全面清晰地掌握百度飞桨框架的用法，并能够举一反三、灵活使用飞桨框架进行深度学习实践。

1. 什么是模型训练？

在深度学习领域，我们经常听到「模型训练」这一关键词，上节课中我们详细的解释了什么是模型以及模型是如何组建的，这节课我们需要考虑「什么是模型训练？」「为什么要进行模型训练？」「我们如何进行模型的训练？」， 甚至我们还会好奇「模型训练的结果是什么？」 。 以识别任务为例，如下图所示，面对大量的数据和素材，我们的目的就是使用我们设计并组建的模型(算法)能够实现对目标进行准确的识别。那么这一目标也就是我们进行模型训练的原动力，为了达到这一目标，我们需要有一个好的算法，而算法对应的就是我们上节课讲述的模型，这套算法里面包含若干的关键权重信息，用于指导每个模型(算法)节点如何对输入数据做特征提取，在刚建设好模型的时候，这些权重信息会随机设置，效果很差，无法直接用于我们的任务使用，我们就需要为算法找到一组最合适的权重参数，这组权重参数就是我们模型训练后得到的结果。 总的来说，模型训练其实就是我们使用大量的数据「调教」模型(算法)找出最优权重参数的过程。 那么如何才能进行模型训练呢？

2. 模型训练详解

以往我们实现模型训练时常常需要面对非常繁杂的代码，要写好多步骤，才能正确的使程序运行起来。这些代码里面包含比较多的概念和接口使用，刚刚上手的同学们一般需要花比较多的时间和精力来弄明白相关的知识和使用方法，使得许多开发者望而却步。 为了解决这种问题，同时满足新手开发者和资深开发者，既能够减少入门的难度，提升开发的效率，又能拥有较好的定制化能力。飞桨框架提供了两种模型训练的方法：一种是基于基础API的常规训练方式；另一种是用paddle.Model对组建好的模型进行封装，通过高层API完成模型的训练与预测，可以在3-5行内，完成模型的训练。前者适合框架经验比较多的资深开发者&#x