如何使用paddle2.0高级API识别图片验证码

1、第一步，检验paddle的版本，我在windows下单独新建了paddle2.0的环境

import paddle

paddle.__version__

2、第二步，对于深度学习任务如果简单来看，其实分为几个核心步骤：

数据集的准备和加载；

模型的构建；

模型训练；

模型评估

3、第三步， 数据加载和预处理

paddle内置了常见的几个数据集，我在这里使用的是paddle内置的mnist数据集

train_dataset = paddle.vision.datasets.MNIST(mode='train') 

val_dataset =  paddle.vision.datasets.MNIST(mode='test')

4、第四步，组建网络，通过Sequential将一层一层的网络结构组建起来，Sequential是paddle2.0的新特性。

mnist = paddle.nn.Sequential(

    paddle.nn.Flatten(),

    paddle.nn.Linear(784, 512),

    paddle.nn.ReLU(),

    paddle.nn.Dropout(0.2),

    paddle.nn.Linear(512, 10)

)

5、第五步，模型训练，使用高级API的方法fit进行训练

model = paddle.Model(mnist)

# 模型训练相关配置，准备损失计算方法，优化器和精度计算方法

model.prepare(paddle.optimizer.Adam(parameters=mnist.parameters()),

              paddle.nn.CrossEntropyLoss(),

              paddle.metric.Accuracy())

# 开始模型训练

model.fit(train_dataset,

          epochs=5,

          batch_size=32,

          verbose=1)

6、第六步，模型评估

model.evaluate(val_dataset, verbose=0)

7、第七步，总结，只经过了5个批次的训练，训练的准确率与评估的准确率都得到了90%以上；而且编写的代码与1.x系列比，少了很多，但效果不减。