还对于自然语言处理、计算机视觉、语音和推荐有大量的预训练模型，可以通过PaddleHub工具直接使用
本书中的案例覆盖经典的预测任务、推荐系统、计算机视觉和自然语言处理等主流应用场景，但所有的案例代码结构均完全一致，分为如下5个部分。
１. 数据处理：读取数据 和 预处理操作
２. 模型设计：网络结构（假设）
３. 训练配置：优化器（寻解算法）
４. 训练过程：循环调用训练过程，包括前向计算 + 计算损失（优化目标) + 后向传播
５. 保存模型并测试：将训练好的模型保存
下面我们使用飞桨框架，按照五个步骤重写房价预测的模型，体会下使用飞桨框架的感觉。
