PaddlePaddle 入门 第一篇

PaddlePaddle 基本介绍

今天开始PaddlePaddle学习的第一篇——入门基本介绍。主要会从两个方面讲解，一个是Paddle自身的两种编程方式以及其对应的优缺点，还有一个就是对其中两个大类数据结构的构成的简略介绍。

1. PaddlePaddle的编程方式

PaddlePaddle的编程方式主要有两种，

1. 声明式编程（静态图）
2. 命令式编程（动态图）

其中前者呢，主要是遵循先编译后执行的流程进行的，因此最终可以达到一个性能和显存都得到比较大优化的目的，而后者呢，比较遵循我们一般的编程习惯，像Python一样可以一边调试一边执行，非常方便。二者的优缺点对比如下，

	声明式编程（静态图）	命令式编程（动态图）
性能和显存	先编译后执行，进行全局图优化。性能和显存达到最佳。	/
部署	无缝衔接部署	需要先转为静态图再部署
调试	先编译后执行，调试不方便。	边执行边调试
学习门槛	较高	较低
网络结构定义	对于一些树结构处理起来较难	更为灵活

2. 两大基本数据结构

我们知道，神经网络可以定义为如下公式，
$$
神经网络 = 网络结构 + 数据
$$
那么，在PaddlePaddle中网络结构一般是用OP算子去定义的，而数据则是由Variable去表示的。这就是PaddlePaddle中常用的两大基本数据结构了。