docker pull paddlepaddle/paddle:latest 

pip install paddlepaddle     安裝cpu 版本。 
pip install paddlepaddle-gpu 安裝gpu 版本。 

import paddle.v2 as paddle 
x = paddle.layer.data(name='x', type=paddle.data_type.dense_vector(13)) 
y = paddle.layer.fc(input=x, size=1, param_attr=paddle.attr.Param(name="fc.w")) 
params = paddle.parameters.create(y) 
print params["fc.w"].shape 

https://github.com/PaddlePaddle/models/tree/develop/generate_sequence_by_rnn_lm 

. 
├── data 
│   └── train_data_examples.txt         # 示例數(shù)據(jù)，可參考示例數(shù)據(jù)的格式，提供自己的數(shù)據(jù) 
├── config.py                           # 配置文件，包括data、train、infer相關(guān)配置 
├── generate.py  　　　　　　　　　　　　   # 預(yù)測(cè)任務(wù)腳本，即生成文本 
├── beam_search.py    　　　　　　　　　   # beam search 算法實(shí)現(xiàn) 
├── network_conf.py   　　　　　　        # 本例中涉及的各種網(wǎng)絡(luò)結(jié)構(gòu)均定義在此文件中，希望進(jìn)一步修改模型結(jié)構(gòu)，請(qǐng)修改此文件 
├── reader.py                           # 讀取數(shù)據(jù)接口 
├── README.md 
├── train.py                            # 訓(xùn)練任務(wù)腳本 
└── utils.py                            # 定義通用的函數(shù)，例如：構(gòu)建字典、加載字典等 

# 變量說(shuō)明 
# vocab_dim: 輸入變量的維度數(shù). 
# type vocab_dim: int 
# emb_dim: embedding vector的維度數(shù) 
# type emb_dim: int 
# rnn_type: RNN cell的類型. 
# type rnn_type: int 
# hidden_size: hidden unit的個(gè)數(shù). 
# type hidden_size: int 
# stacked_rnn_num: 堆疊的rnn cell的個(gè)數(shù). 
# type stacked_rnn_num: int 

# 定義輸入層 
input = paddle.layer.data( 
    name="input", type=paddle.data_type.integer_value_sequence(vocab_dim)) 
if not is_infer: 
    target = paddle.layer.data( 
        name="target", 
        type=paddle.data_type.integer_value_sequence(vocab_dim)) 
  
# 定義embedding層 
# 該層將上層的輸出變量input 做為本層的輸入灌入embedding層，將輸入input 向量化，方便后續(xù)處理 
input_emb = paddle.layer.embedding(input=input, size=emb_dim) 
  
# 定義rnn層 
# 如果 rnn_type 是lstm，則堆疊lstm層 
# 如果rnn_type 是gru，則堆疊gru層 
# 如果 i = 0的話，先將 input_emb做為輸入，其余時(shí)刻則將上一時(shí)刻的rnn_cell作為輸入進(jìn)行堆疊 
# stack_rnn_num 等于多少就堆疊多少個(gè) rnn層 
if rnn_type == "lstm": 
    for i in range(stacked_rnn_num): 
        rnn_cell = paddle.networks.simple_lstm( 
            input=rnn_cell if i else input_emb, size=hidden_size) 
elif rnn_type == "gru": 
    for i in range(stacked_rnn_num): 
        rnn_cell = paddle.networks.simple_gru( 
            input=rnn_cell if i else input_emb, size=hidden_size) 
else: 
    raise Exception("rnn_type error!") 
  
# 定義全聯(lián)接層 
# 將上層最終定義得到的輸出rnn_cell 做為輸入灌入該全聯(lián)接層 
output = paddle.layer.fc( 
    input=[rnn_cell], size=vocab_dim, act=paddle.activation.Softmax())<br data-filtered="filtered"> 
  
# ***一層cost中記錄了神經(jīng)網(wǎng)絡(luò)的所有拓?fù)浣Y(jié)構(gòu)，通過(guò)組合不同的layer，我們即可完成神經(jīng)網(wǎng)絡(luò)的搭建。 
cost = paddle.layer.classification_cost(input=output, label=target) 

# create optimizer 
adam_optimizer = paddle.optimizer.Adam( 
    learning_rate=1e-3, 
    regularization=paddle.optimizer.L2Regularization(rate=1e-3), 
    model_average=paddle.optimizer.ModelAverage( 
        average_window=0.5, max_average_window=10000)) 
  
# create parameters 
parameters = paddle.parameters.create(cost) 
# create trainer 
trainer = paddle.trainer.SGD( 
    cost=cost, parameters=parameters, update_equation=adam_optimizer) 

# define reader 
reader_args = { 
    "file_name": conf.train_file, 
    "word_dict": word_dict, 
} 
# 讀取訓(xùn)練數(shù)據(jù) 
train_reader = paddle.batch( 
    paddle.reader.shuffle( 
        reader.rnn_reader(**reader_args), buf_size=102400), 
    batch_size=conf.batch_size) 
# 讀取測(cè)試數(shù)據(jù) 
test_reader = None 
if os.path.exists(conf.test_file) and os.path.getsize(conf.test_file): 
    test_reader = paddle.batch( 
        paddle.reader.shuffle( 
            reader.rnn_reader(**reader_args), buf_size=65536), 
        batch_size=conf.batch_size) 

# define the event_handler callback 
# event_handler 主要負(fù)責(zé)打印訓(xùn)練的進(jìn)度信息，訓(xùn)練的損失值，這里可以自己定制 
def event_handler(event): 
    if isinstance(event, paddle.event.EndIteration): 
        if not event.batch_id % conf.log_period: 
            logger.info("Pass %d, Batch %d, Cost %f, %s" % ( 
                event.pass_id, event.batch_id, event.cost, event.metrics)) 
  
        if (not event.batch_id % 
                conf.save_period_by_batches) and event.batch_id: 
            save_name = os.path.join(model_save_dir, 
                                     "rnn_lm_pass_%05d_batch_%03d.tar.gz" % 
                                     (event.pass_id, event.batch_id)) 
            with gzip.open(save_name, "w") as f: 
                parameters.to_tar(f) 
  
    if isinstance(event, paddle.event.EndPass): 
        if test_reader is not None: 
            result = trainer.test(reader=test_reader) 
            logger.info("Test with Pass %d, %s" % 
                        (event.pass_id, result.metrics)) 
        save_name = os.path.join(model_save_dir, "rnn_lm_pass_%05d.tar.gz" % 
                                 (event.pass_id)) 
        with gzip.open(save_name, "w") as f: 
            parameters.to_tar(f) 
  
# 開(kāi)始訓(xùn)練 
trainer.train( 
    reader=train_reader, event_handler=event_handler, num_passes=num_passes) 

python train.py 

python generate.py 

81    若隱若現(xiàn) 地像 幽靈 , 像 死神 
-12.2542    一樣 。 他 是 個(gè) 怪物 <e> 
-12.6889    一樣 。 他 是 個(gè) 英雄 <e> 
-13.9877    一樣 。 他 是 我 的 敵人 <e> 
-14.2741    一樣 。 他 是 我 的 <e> 
-14.6250    一樣 。 他 是 我 的 朋友 <e>