1.2　PaddlePaddle能做些什么

深度学习已经深入我们生活的方方面面，有不少的App可以使用人脸识别登录，人脸识别登录就使用了人脸检测、人脸特征对比等多项深度学习技术。在没有深度学习框架之前，要搭建一个深度神经网络模型的工作量是非常大的，既要考虑网络模型的实现，还要考虑底层代码的实现，更要考虑硬件设备的适配。但是有了PaddlePaddle深度学习框架之后，搭建深度神经网络模型就变得非常简单，在深度学习中常使用的深度学习框架都有提供，如卷积层、池化层、循环神经网络模型，以及各种优化方法和损失函数等，还有各种自定义的算子供开发者使用。有了PaddlePaddle深度学习框架后，研究人员和项目开发者不需要考虑底层实现的问题，可以把更多的精力放在搭建项目所需的深度学习模型，以及如何提高模型的准确率上。

那什么时候需要使用PaddlePaddle，又应当如何使用PaddlePaddle呢？如笔者的项目现在需要实现一个植物识别功能，用户可通过手机上的App识别所拍摄到的植物的名称，并给出该植物的百科信息。要实现这个功能，首先我们需要收集植物图像数据，按照它们的名称设置标签并制作成一个植物数据集。然后使用PaddlePaddle搭建一个卷积神经网络模型，如ResNet、MobileNet等。最后使用植物数据集训练该模型。训练结束之后会得到一个预测模型，这个预测模型就可以预测并输出图片中植物的名称，通过植物名称即可查找并显示该植物的百科信息。这个预测模型可以部署在服务器上，或者是移动App上。这样就可以轻松实现一个植物百科应用。PaddlePaddle还可以实现很多使用深度神经网络模型的功能，如翻译软件中的中英文互译、输入法中的语音输入等。利用PaddlePaddle深度学习框架，可以使我们的应用或者设备变得更加“聪明”，让人工智能真正进入我们的生活中。