摘要本文介绍了如何使用 VSCode 远程开发 PaddlePaddle。本文使用 VSCode 进行远程开发，使用了 clangd 插件作为代码提示。clangd 需要一个 compile_commands.json 文件，这个文件可以使用 cmake 的 CMAKE_EXPORT_COMPILE_COMMANDS 选项导出。可是，本人在搭建开发环境的过程中，遇到了一个问题。PaddlePadd
转载
2024-09-09 20:12:05
76阅读
最近在研究基于paddlepaddle的PaddleTS深度时序建模库，想应用paddlets的主要原因是支持国产，同时paddlets提供的算法比较全面，并且集成了sklearn(机器学习库)、pyod([异常点检测算法工具库](mirrors / yzhao062 / pyod · GitCode))等第三方库。下面是官方的一些见解，之后会对每一部分的算法进行应用测试。PaddleTS 是一个
转载
2024-02-07 09:51:31
153阅读
Windows10安装PaddleSeg1、先去https://github.com/PaddlePaddle/PaddleSeg/blob/release/2.2/docs/install.md这个地方看看需要的环境 2、安装Anaconda，上面的网址没说需要这个，但是后面装PaddlePaddle的时候怎么也装不上，自己在anaconda中创建了一个新的环境就很容易装好了，可能是因为我pyt
转载
2024-02-27 10:46:50
124阅读
前言：
现在网络上有很多百度PaddleOCR的安装教程，但普遍的问题是缺少对整个安装流程框架的讲解，而遇到的问题又五花八门，导致小白安装时容易被绕晕。 本文将以Anaconda--jupyter n
转载
2023-11-21 13:34:28
305阅读
简 介： 根据 文档安装指南 介绍了在本机安装PaddlePaddle的步骤。关键词： PaddlePaddle，pip，安装
安装PaddlePaddle
文章目录
安装说明
第一中安装方式
:使用pip安装
转载
2023-10-24 21:39:15
222阅读
# PaddlePaddle Python 部署流程指南
PaddlePaddle（PArallel Distributed Deep LEarning）是一个由百度开发的深度学习平台，目标是通过简化深度学习的应用过程，使得开发者能够更加高效地使用深度学习工具。本文将详细介绍如何在Python中使用PaddlePaddle进行模型的部署，包含代码示例、序列图和类图的展示。
## 一、环境准备
本文档是在NVIDIA Jetson Xavier NX (Jetpack的版本为4.4.1)上部署PaddleDetection的c++推理教程。 Jetpack 4.4.1的环境配置为： CUDA 10.2 cuDNN 8.8.01. 获取部署代码 笔者下载的是2.3版本。 下载链接如下：https://github.com/PaddlePaddle/PaddleDetection.git2.
转载
2024-08-15 12:29:21
231阅读
近年来，随着深度学习框架的不断发展和普及，PaddlePaddle(飞桨)作为国内领先的深度学习平台之一，越来越受到开发者的关注和青睐。在实际项目中，如何有效地将PaddlePaddle模型部署到生产环境中是一个关键问题。本文将针对“paddle部署”这一关键词展开科普介绍，帮助那位刚入行的小白快速掌握相关知识。
**整体流程**
下表展示了PaddlePaddle模型部署的整体流程：
原创
2024-05-29 11:21:28
126阅读
李睿，北京邮电大学学生，人工智能和移动开发爱好者。随着桌面端Electron技术逐步崛起，基于Electron开发的代码编辑器、聊天软件、游戏等层出不穷。对于习惯使用Node.js进行后端开发的朋友来说，开发一套漂亮的桌面UI客户端还是有一定难度的；而Electron开发不要太简单，只要会写HTML，就能写客户端，剩下的交给时间慢慢打磨即可。而且，这款开源的技术允许开发者使用JavaS
转载
2024-08-11 19:57:52
120阅读
一、目标本次工作的目标是在旭日X3派上部署PaddlePaddle的开源模型，至于PaddlePaddle模型转换，已有大佬写过很赞的教程，自我感觉不能超越，于是本文不再提及。
飞桨(PaddlePaddle)是集深度学习核心框架、工具组件和服务平台为一体的技术先进、功能完备的开源深度学习平台，已被中国企业广泛使用，深度契合企业应用需求，拥有活跃的开发者社区生态。提供丰富的官方支持模型集合，并
转载
2023-08-04 13:37:40
226阅读
PaddleOCR使用笔记Linux环境下文字检测训练官方文档：https://gitee.com/paddlepaddle/PaddleOCR/blob/release/2.0/doc/doc_ch/detection.md数据准备从官网下载icdar2015数据集，首次下载需注册。将下载到的数据集解压到工作目录下，解压在 PaddleOCR/train_data/ 下，并下载单独的标注文件（P
转载
2024-01-22 06:57:04
807阅读
目录前言一、环境搭建1、Anaconda3安装1.1、下载1.2、安装2、paddle模型导出环境2.1、创建环境2.2、进入环境2.3、paddle安装2.4、PaddleDetection安装 2.5、解决相关依赖问题3、paddle转onnx转rknn环境3.1、创建环境3.2、进入环境3.3、RKNN-Toolkit2工具安装3.3、paddle2onnx工具安装3.4、解决相关
转载
2024-03-07 22:30:07
329阅读
# 导入paddle并查看版本
import paddle
print(paddle.__version__)2.0.0-rc1数据集分为框架自带数据集和自定义（自己上传）的数据集数据的处理paddle对内置的数据集和非内置的提供了两种不用的模式接下来让我们一起来看看叭！框架自带数据集paddle.vision.datasets是cv（视觉领域）的有关数据集paddle.text.datasets
转载
2024-07-31 21:35:57
46阅读
选择在实际操作前先看一遍这个，是因为之前实验的时候有很多坑，提前看一遍预防一下，以便出了问题更好定位问题，不至于一模黑乱找。建议还是去github-Document-FAQ上看，gitee上更新确实会慢一些，2021.4.8截的图，差了两次更新。（这个FAQ每周一更新一次，建议持续关注，?我就是用一次关注一次，更新一次，哈哈哈）因人而异，因项目而异。大家都在了解的基础上寻找对自己有用的即可。整体看
转载
2024-05-27 18:33:16
154阅读
0 前言以下针对最近使用PaddleClas和PaddleServing在华为云GPU服务器上训练和部署一个车辆类型识别模型过程进行记录，以供日后自己参考和其他有需要的朋友一些帮助，接触这方面东西时间较短，如有问题欢迎批评指正。如何在华为云服务器上搭建GPU版本的PaddlePaddle环境请参考以下文章： 1 环境准备需要准备PaddleClas的运行环境和Paddle Serving的运行环境
转载
2024-08-12 15:06:43
123阅读
利用 AI Studio 完成 Paddle 编译为什么要对 Paddle 进行编译？众所周知，PaddlePaddle 的底层代码是利用 C++ 进行开发的，对于 Python 端的日常使用者，我们仅需要依据 Paddle 官方提供的 pip 详情安装 Paddle 既可。注： 该比赛给大家提供了一个比赛的形式一起参与 Paddle 项目共建！（并不是想象中的黑客 hahahahah）个人理解：
转载
2024-03-13 12:42:38
90阅读
1. 数据（待识别内容）要识别的内容是这样的，大致模式是：机器拍摄，然后识别屏幕上的表格文字。2. 字体确定字体的网站：中文：识字体
英文：WhatTheFont
英文：FONT IDENTIFIER
不过以上字体基本都需要自己在网站做一些操作，框字体区域，然后会填写当前框对应的正确字符，再去进行识别。（但是对英文来说，往往在切分字符的时候就错了，所以这里就不再去寻找字体了） 这里选择了几种和上述
转载
2024-04-30 22:31:42
127阅读
1.jpcap说明与安装 JAVA语言虽然在TCP/UDP传输方面给予了良好的定义，但对于网络层以下的控制，却是无能为力的。JPCAP扩展包弥补了这一点，jPcap是一个可以让java工作在链路层的类库；当然，它底层还是使用了本机API通过Jini调用，在javaAPI中得到数据。
JPCAP实际上并非一个真正去实现对数据链路层的控制，而是一个中间件，JPCAP调用wi
# PaddleOCR Java 部署
## 引言
随着人工智能的飞速发展，光学字符识别（Optical Character Recognition，OCR）技术成为了非常重要的应用领域之一。PaddleOCR 是一个基于 PaddlePaddle 深度学习框架的开源OCR工具，它具有高精度识别和快速推理的特点，广泛应用于文字识别、表格识别、车牌识别等场景。本文将介绍如何使用 Java 语言部
原创
2024-01-29 05:04:13
281阅读
Paddle复现RetinaFace详细解析RetinaFace前向推理分析主要分以下部分：1，网络主干结构2，网络的后处理3, 网络前向推理1，网络的主干结构复现网络结构图如下：这里复现部分做了精简，5层FPN删减为3层，主干为mobilinetIn [10]# 专干网络所用的模块
# View dataset directory.
import paddle
import paddle.nn
转载
2024-03-27 09:00:04
103阅读
