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
develop
2.1
2.0
1.8
1.7
1.6
1.5
1.4
1.3
1.2
1.1
1.0
0.15.0
0.14.0
0.13.0
0.12.0
0.11.0
0.10.0
中文(简)
English(En)
安装指南
Pip安装
Linux下的PIP安装
MacOS下的PIP安装
Windows下的PIP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
海光DCU芯片运行飞桨
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
单机多卡训练
自定义指标
模型保存与载入
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
预测模型导出教程
框架概念
基本原理
案例解析
调试经验
推理部署
服务器部署 — Paddle Inference
移动端/嵌入式部署 — Paddle Lite
模型压缩 — PaddleSlim
分布式训练
分布式训练快速开始
使用FleetAPI进行分布式训练
自定义算子
自定义原生算子
原生算子开发注意事项
自定义外部算子
自定义Python算子
性能调优
算子映射
Paddle 1.8 与 Paddle 2.0 API映射表
PyTorch-PaddlePaddle API映射表
硬件支持
飞桨产品硬件支持表
昆仑XPU芯片运行飞桨
飞桨对昆仑XPU芯片的支持
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
海光DCU芯片运行飞桨
飞桨框架ROCm版支持模型
飞桨框架ROCm版安装说明
飞桨框架ROCm版训练示例
飞桨框架ROCm版预测示例
昇腾NPU芯片运行飞桨
飞桨框架NPU版安装说明
飞桨框架昇腾NPU版训练示例
参与开发
本地开发指南
提交PR注意事项
FAQ
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
通过Sub-Pixel实现图像超分辨率
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
强化学习
强化学习——Actor Critic Method
强化学习——Advantage Actor-Critic(A2C)
强化学习——Deep Deterministic Policy Gradient (DDPG)
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
时序数据
»
应用实践
»
时序数据
在 GitHub 上修改
时序数据
¶
在这里PaddlePaddle为大家提供了一篇时序数据的教程供大家学习:
异常数据检测
: 介绍使用 Paddle 完成时序数据异常点检测。