From 1b2e866edca6ff3aa4bd32c96ca5082b1cab426f Mon Sep 17 00:00:00 2001 From: LDOUBLEV Date: Mon, 18 May 2020 17:04:14 +0800 Subject: [PATCH] add picture --- README.md | 18 +++++++++--------- 1 file changed, 9 insertions(+), 9 deletions(-) diff --git a/README.md b/README.md index be924a3..a1ebbbc 100644 --- a/README.md +++ b/README.md @@ -22,13 +22,13 @@ PaddleHapi具有以下特点： ## 目录 -* [特性]() -* [快速使用]() -* [新增功能]() -* [使用示例]() +* [特性](#1) +* [快速使用](#2) +* [新增功能](#3) +* [使用示例](#4) -## 特性 +##

特性

### 易学易用 @@ -39,7 +39,7 @@ PaddleHapi具有以下特点： 相比较与动态图的算法实现，使用高层API实现的算法可编程代码量更少，原始的动态图训练代码需要20多行代码才能完成模型的训练，使用高层API后，仅用8行代码即可实现相同的功能。 使用普通API与高层API实现手写字符识别对比如下图，左边是普通动态图API的实现，右边是使用高层API的实现，可以明显发现，使用高层API的代码量更少。 -![](./new_hapi.png) +![](./image/new_hapi.png) ### 动静统一 @@ -63,7 +63,7 @@ model.prepare(optimizer, CrossEntropy(), Accuracy(), inputs, labels, device='gpu model.fit(train_dataset, val_dataset, batch_size=100, epochs=1, log_freq=100, save_dir="./output/") ``` -## 快速使用 +##

快速使用

以mnist手写字符识别为例，介绍飞桨高层API的使用方式。 @@ -119,7 +119,7 @@ model.fit(train_dataset, val_dataset, batch_size=100, epochs=10, log_freq=100, s 高层API中通过fit函数完成训练的循环过程，只需要设置训练的数据读取器、batchsize大小，迭代的轮数epoch、训练日志打印频率log_freq，保存模型的路径即可。 -## 新增功能 +##

新增功能

除了使用高层API实现一行代码启动训练外，还新增了以下功能： - transform 数据增强模块 @@ -182,7 +182,7 @@ transformer等等。使用这些现有的模型，可以快速的完成神经网 -## 更多使用示例 +##
更多使用示例
更多的高层API使用示例请参考： - [bert](https://github.com/PaddlePaddle/hapi/tree/master/examples/bert) -- GitLab