### 如何在 Python 中使用 PaddlePaddle 进行开发 #### 安装 PaddlePaddle 为了开始使用 PaddlePaddle，在命令提示符下执行如下指令可以完成安装： ```bash python -m pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple[^1] ``` 对于特定版本的需求或是更稳定的源，可以选择清华大学的镜像源来加速下载过程： ```bash pip3.7 install -i https://pypi.tuna.tsinghua.edu.cn/simple paddlepaddle[^3] ``` #### 验证安装 确认 PaddlePaddle 是否正确安装，可以通过导入库并打印其版本号来进行验证。 ```python import paddle print(paddle.__version__) ``` 如果一切正常，则会显示当前已安装的 PaddlePaddle 版本信息。 #### 创建简单的神经网络模型 下面是一个创建简单线性回归模型的例子。此例子展示了如何定义数据集、构建模型以及训练流程。 ```python import numpy as np import paddle from paddle.nn import Linear from paddle.optimizer import SGD # 设置随机种子以确保结果可重复 np.random.seed(0) # 准备数据集 x_data = np.random.rand(10, 1).astype(np.float32) y_data = 3 * x_data + 2 + .1*np.random.randn(10, 1).astype(np.float32) # 构建模型 model = Linear(in_features=1, out_features=1) # 定义损失函数和优化器 criterion = paddle.nn.MSELoss() optimizer = SGD(parameters=model.parameters(), learning_rate=0.01) for epoch in range(500): inputs = paddle.to_tensor(x_data) labels = paddle.to_tensor(y_data) outputs = model(inputs) loss = criterion(outputs, labels) optimizer.clear_grad() # 清除梯度 loss.backward() # 反向传播计算梯度 optimizer.step() # 更新参数 if epoch % 50 == 49: print(f'Epoch {epoch}, Loss: {loss.numpy()}') print("Finished Training") ``` 上述代码片段实现了基本的数据准备、模型搭建、前向传递、反向传播及参数更新的过程。