《飞桨 PaddlePaddle 快速上手》

飞桨（PaddlePaddle）是百度开源的深度学习框架，提供动态图（Dygraph，类似 PyTorch）与高层 API。本文介绍安装与一个简单的 MLP 分类示例，帮助从 Keras/TensorFlow 迁移的用户快速上手。

1 安装

        
# CPU 版
pip install paddlepaddle

# GPU 版（CUDA 环境）
pip install paddlepaddle-gpu

验证：

        
      
import paddle
print(paddle.__version__)
print(paddle.utils.run_check())

2 高层 API 快速示例（鸢尾花二分类 MLP）

        
      
import paddle
import numpy as np

# 1. 构造数据（线性可分示例）
np.random.seed(0)
x = np.random.normal(size=(200, 2)).astype("float32")
y = ((x[:, 0] + x[:, 1] > 0).astype("int64")).reshape(-1, 1)

# 转为 paddle Tensor
x = paddle.to_tensor(x)
y = paddle.to_tensor(y)

# 2. 定义模型（继承 paddle.nn.Layer）
class MLP(paddle.nn.Layer):
    def __init__(self):
        super().__init__()
        self.fc1 = paddle.nn.Linear(2, 32)
        self.fc2 = paddle.nn.Linear(32, 1)

    def forward(self, x):
        h = paddle.nn.functional.relu(self.fc1(x))
        return self.fc2(h)

model = MLP()

# 3. 定义优化器与损失
opt = paddle.optimizer.Adam(learning_rate=0.01, parameters=model.parameters())
loss_fn = paddle.nn.functional.binary_cross_entropy_with_logits

# 4. 训练
model.train()
for epoch in range(200):
    logits = model(x)
    loss = loss_fn(logits, y.astype("float32"))
    loss.backward()
    opt.step()
    opt.clear_grad()
    if epoch % 50 == 0:
        print(f"epoch {epoch}, loss: {loss.item():.4f}")

# 5. 预测
model.eval()
pred = (paddle.nn.functional.sigmoid(model(x)).numpy() > 0.5).astype("int32")
print("accuracy:", (pred.flatten() == y.numpy().flatten()).mean())

3 与 Keras 概念对照

概念	Keras (tf.keras)	PaddlePaddle
模型基类	`keras.Model` / `Sequential`	`paddle.nn.Layer`
全连接层	`layers.Dense(units, activation=...)`	`paddle.nn.Linear(in, out)` + 显式激活函数
优化器	`keras.optimizers.Adam(...)`	`paddle.optimizer.Adam(...)`
损失	`keras.losses.binary_crossentropy`	`paddle.nn.functional.binary_cross_entropy...`
梯度清零	`opt.apply_gradients` / `tape`	`opt.clear_grad()`
保存模型	`model.save("m.h5")`	`paddle.save(model.state_dict(), "m.pdparams")`

要点差异：

Paddle 的 Linear 需要显式传入输入维度；Keras 的 Dense 会自动推断。
默认动态图模式，梯度更新前需要 opt.clear_grad() 手动清空梯度。
激活函数一般通过 paddle.nn.functional.* 显式调用。

4 常见问题

paddle.utils.run_check() 报错：多为 CUDA/显存问题，CPU 环境只装 paddlepaddle 即可。
数据类型不匹配：Paddle 强制 float32/int64 严格区分，to_tensor 前先 astype。
eval 时结果抖动：训练/预测模式切换需显式调用 model.train() / model.eval()（影响 Dropout/BatchNorm 等层）。

5 学习资源

官方文档：https://www.paddlepaddle.org.cn/documentation/docs/zh/develop/index_cn.html
快速入门与生态（PaddleNLP / PaddleOCR / PaddleX）：https://www.paddlepaddle.org.cn/

阅读 — · 全站 —