paddlepaddle是百度的深度学习框架，在全面国产化的现在，学习paddlepaddle是很有必要的。

本系列是自己对paddlepaddle学习中的总结，分享出来希望大家喜欢。

paddlepaddle的官网在飞桨PaddlePaddle-源于产业实践的开源深度学习平台​​​​​​​。

第一步，安装anaconda，在这里我们选择清华源的conda，很容易就能搜索到。

#打开网站 https://mirror.tuna.tsinghua.edu.cn/help/anaconda/
#或者 wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-2022.05-Linux-x86_64.sh
chmod +x Anaconda3-2022.05-Linux-x86_64.sh
./Anaconda3-2022.05-Linux-x86_64.sh

第二步，安装paddlepaddle的环境，在这里我们使用pip

pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple

第三步，查看paddle的version

pip list|grep paddlepaddle #2.3.1

可以看到paddlepaddle自动安装到了2.3.1版本

第四步，开启paddle一个小demo测试，如下：

import paddle
x = paddle.to_tensor(1)
w = paddle.to_tensor(2)
b = paddle.to_tensor(3)
y = w*x+b
print(y)#Tensor(shape=[1], dtype=int64, place=Place(cpu), stop_gradient=True,[5])

 如上，paddle简单的计算测试成功。

第五步，尝试paddle里的梯度计算，依然是上述例子，在paddle里需要加上stop_gradient使其可以梯度计算。

import paddle
x = paddle.to_tensor(1,stop_gradient=False)
w = paddle.to_tensor(2,stop_gradient=False)
b = paddle.to_tensor(3,stop_gradient=False)
y = w*x+b
print(y)#Tensor(shape=[1], dtype=int64, place=Place(cpu), stop_gradient=True,[5])
y.backward()
print(y.grad)#Tensor(shape=[1], dtype=int64, place=Place(cpu), stop_gradient=True,[1])
print(x.grad)#Tensor(shape=[1], dtype=int64, place=Place(cpu), stop_gradient=True,[2])
print(w.grad)#Tensor(shape=[1], dtype=int64, place=Place(cpu), stop_gradient=True,[1])
print(b.grad)#Tensor(shape=[1], dtype=int64, place=Place(cpu), stop_gradient=True,[1])

可以看到反向传播，计算梯度，没有问题，paddle在向量的计算与反向传播的方法与pytorch比较相似，只是torch里是torch.tensor,而paddle里是 to_tensor。

在paddle里也可以简单的创建向量，可以直接将python列表数据转换，如下：

import paddle
x = paddle.to_tensor([2,3])
print(x)#Tensor(shape=[2], dtype=int64, place=Place(cpu), stop_gradient=True,[2, 3])
x = paddle.to_tensor([[2,3]])
print(x)#Tensor(shape=[1, 2], dtype=int64, place=Place(cpu), stop_gradient=True,[[2, 3]])

很多时候在建立模型时，tensor的维度是非常需要关注的，所以我们可以通过.shape获取,当然也可以直接打印，目前看paddle底层是类似numpy的。

x = paddle.to_tensor([[2,3]])
print(x.shape)#[1,2]