You need to enable JavaScript to run this app.
\u200E
开始使用
特性
文档
API
使用指南
工具平台
工具
AutoDL
PaddleHub
PARL
ERNIE
全部
平台
AI Studio
EasyDL
EasyEdge
资源
模型和数据集
学习资料
应用案例
3.1
3.0
develop
3.0-beta
2.6
2.5
2.4
2.3
2.2
2.1
2.0
1.8
中文(简)
English(En)
安装说明
Pip安装
Linux下的PIP安装
MacOS下的PIP安装
Windows下的PIP安装
Conda安装
Linux下的Conda安装
MacOS下的Conda安装
Windows下的Conda安装
Docker安装
Linux下的Docker安装
MacOS下的Docker安装
从源码编译
Linux下从源码编译
MacOS下从源码编译
Windows下从源码编译
飞腾/鲲鹏下从源码编译
申威下从源码编译
兆芯下从源码编译
昆仑XPU芯片安装及运行飞桨
附录
使用教程
整体介绍
基本概念
Tensor概念介绍
广播 (broadcasting)
自动微分机制介绍
自动混合精度训练
升级指南
版本迁移工具
模型开发
10分钟快速上手飞桨(PaddlePaddle)
数据集定义与加载
数据预处理
模型组网
训练与预测
资源配置
自定义指标
模型存储与载入
模型导出ONNX协议
VisualDL 工具
VisualDL 工具简介
VisualDL 使用指南
动态图转静态图
基本用法
内部架构原理
支持语法列表
InputSpec 功能介绍
报错信息处理
调试方法
推理部署
服务器端部署
安装与编译 Linux 预测库
安装与编译 Windows 预测库
C++ 预测 API介绍
C 预测 API介绍
Python 预测 API介绍
移动端部署
Paddle-Lite
模型压缩
分布式训练
分布式训练快速开始
使用FleetAPI进行分布式训练
昆仑XPU芯片运行飞桨
训练支持
飞桨框架昆仑XPU版安装说明
飞桨框架昆仑XPU版训练示例
飞桨预测库昆仑XPU版安装及使用示例
自定义算子
自定义原生算子
原生算子开发注意事项
自定义Python算子(静态图)
自定义外部算子(新)
自定义外部算子(旧)
参与开发
本地开发指南
提交PR注意事项
FAQ
其他说明
硬件支持
飞桨框架API映射表
应用实践
快速上手
hello paddle: 从普通程序走向机器学习程序
动态图
飞桨高层API使用指南
模型保存及加载
使用线性回归预测波士顿房价
计算机视觉
使用LeNet在MNIST数据集实现图像分类
使用卷积神经网络进行图像分类
基于图片相似度的图片搜索
基于U-Net卷积神经网络实现宠物图像分割
通过OCR实现验证码识别
人脸关键点检测
通过Sub-Pixel实现图像超分辨率
点云处理:实现PointNet点云分类
自然语言处理
用N-Gram模型在莎士比亚文集中训练word embedding
IMDB 数据集使用BOW网络的文本分类
使用预训练的词向量完成文本分类任务
使用注意力机制的LSTM的机器翻译
使用序列到序列模型完成数字加法
时序数据
通过AutoEncoder实现时序数据异常检测
生成对抗网络
图像风格迁移模型-CycleGAN
强化学习
强化学习——Actor Critic Method
推荐算法
使用协同过滤实现电影推荐
API 文档
常见问题与解答
2.0 升级常见问题
安装常见问题
数据及其加载常见问题
组网、训练、评估常见问题
模型保存常见问题
参数调整常见问题
分布式训练常见问题
其他常见问题
Release Note
生成对抗网络
»
应用实践
»
生成对抗网络
Edit on GitHub
生成对抗网络
¶
在这里PaddlePaddle为大家提供了一篇生成对抗网络的教程供大家学习:
图像风格迁移成
: 介绍使用 Paddle 实现CygleGAN完成图像风格迁移。