系列文章往期回顾飞桨深度学习零基础入门（序）——Python实现梯度下降 使用飞桨（Paddle）构建单层神经网络系列文章往期回顾一、导入相关依赖包二、构建单层神经网络回归类三、设置参数四、导入数据集五、数据归一化六、训练并保存模型七、模型测试代码下载keras相关版本的全连接层 一、导入相关依赖包import paddle
from paddle.nn import Linear
import
转载
2024-03-16 10:27:37
195阅读
前四篇文章我们介绍了 PaddleFluid 和 TensorFlow 的设计原理基本使用概念，分别通过在两个平台上实现完全相同的模型完成图像分类，语言模型和序列标注三个任务，了解我们的使用经验如何在两个平台之间迁移，以此来了解非序列模型和序列模型在两个平台之上设计和使用的差异。到目前为止我们依然遗留了一个对在单机上使用深度学习框架来说最重要 的问题：如何利用 GPU， 也包括利用多个 GPU 进
转载
2024-08-23 18:11:59
197阅读
一、安装飞桨官方教程：https://www.paddlepaddle.org.cn/install/quick 博主本人使用的是Windows+pip+Python3+CPU版本 安装过程十分简单，在此不再赘述。二、使用飞桨重写模型说明：普通方法实现房价预测模型，在本人的上一篇文章中有详细说明，戳链接即可查看首先需要导入相关库# paddle/fluid：飞桨的主库，目前大部分的实用函数均在pa
转载
2024-05-06 15:32:03
114阅读
近日，燧原科技第二代训练产品云燧T20与飞桨已完成 I 级兼容性测试。测试结果显示，双方兼容性表现良好，整体运行稳定。这是燧原科技加入飞桨“硬件生态共创计划”后的阶段性成果。本次 I 级兼容性测试完成了对计算机视觉与自然语言处理2大技术领域5个模型的验证，同时也支持了多卡分布式训练。经过双方联合严格测试表明，燧原科技云燧T20在ResNet50、DBNET、BERT等 5个模型上的精度、性能等各方
转载
2024-06-15 10:49:26
97阅读
迁移学习可以使用飞桨开发的一个新的功能模块，叫X2Paddle(Github见参考1)，可以支持主流深度学习框架模型转换至飞桨，包括Caffe、Tensorflow、onnx等模型直接转换为Paddle Fluid可加载的预测模型，并且还提供了这三大主流框架间的API差异比较，方便我们在自己直接复现模型时对比API之间的差异，深入理解API的实现方式从而降低模型迁移带来的损失。下面以TensorF
转载
2024-01-31 15:19:52
328阅读
介绍飞桨在行业内的应用情况、产品全景、技术优势，以及飞桨的安装方法和联系方式。深度学习框架近年来深度学习在很多机器学习领域都有着非常出色表现，在图像识别、语音识别、自然语言处理、机器人、网络广告投放、医学自动诊断和金融等领域有着广泛应用。面对繁多的应用场景，深度学习框架有助于建模者节省大量而繁琐的外围工作，更聚焦业务场景和模型设计本身。深度学习框架优势使用深度学习框架完成模型构建有如下两个优势：节
转载
2024-05-23 15:58:57
46阅读
文章目录第二章 一个案例吃透深度学习（下）资源配置CPU还是GPU？分布式训练完整代码训练调试与优化计算模型的分类准确率检查模型训练过程，识别潜在训练问题加入校验或测试，更好评价模型效果加入正则化项，避免模型过拟合可视化分析 第二章 一个案例吃透深度学习（下）接着上一章的四个部分的优化方法，今天学习另外三部分的优化。资源配置CPU还是GPU？飞桨动态图通过fluid.dygraph.guard(
转载
2024-04-11 08:57:37
211阅读
draft-detect运行环境：Windows10 系统 6核6线程 16G内存基于 Python3.8 版本 vitualenv 虚拟环境1、安装依赖先创建虚拟环境，基于Python3.8，然后激活虚拟环境。安装 requirements 中的依赖项pip install -r requirements.txt安装版面分析的特定库，注意：只能安装这个库，其他版本的库会有问题pip instal
转载
2023-12-18 22:12:37
265阅读
AIStudio介绍目前各大公司为了发展自己的人工智能业务，同时也是为了推广自己的解决方案，都推出了免费GPU计算资源。比如说谷歌的Kanggle Kernel和Google Colaboratory。与谷歌相比，百度的AIStudio和飞桨（PaddlePaddle）算是后起之秀。飞桨作为国产的深度学习框架，但由于Tensorflow和Pytorch在深度学习领域巨大的统治力，所以其一直处于不温
转载
2024-05-11 21:00:22
343阅读
2020 年 2 月 27 日飞桨核心框架（以下简称Paddle）发布了1.7版本，这也是Paddle在2020年首个重大更新，下面让我们来看看具体的更新内容。Paddle 1.7版本对框架功能层面进行了重点增强，预测部署能力全面提升，分布式训练发布PLSC支持千万规模分类任务，并对参数服务器模式进行了优化整合。对编译选项、编译依赖以及代码库进行了全面清理优化。模型库持续完善，优化了整体层次结构，
转载
2024-04-26 10:23:22
39阅读
飞桨PaddlePaddle-源于产业实践的开源深度学习平台飞桨致力于让深度学习技术的创新与应用更简单。具有以下特点：同时支持动态图和静态图，兼顾灵活性和效率；精选应用效果最佳算法模型并提供官方支持；真正源于产业实践，提供业界最强的超大规模并行深度学习能力；推理引擎一体化设计，提供训练到多端推理的无缝对接；唯一提供系统化技术服务与支持的深度学习平台https://www.paddlepaddle.
转载
2024-03-08 21:44:31
101阅读
前言PPASR是飞桨社区开发者夜雨飘零开发的一款基于飞桨实现的语音识别工具，简单实用，可识别中文语音，可部署在服务器、Nvidia Jetson设备，未来还计划支持Android等移动设备。使用环境：Anaconda 3Python 3.7飞桨PaddlePaddle核心框架2.2.0Windows 10 or Ubuntu 18.04源码地址：https://github.com/yeyupia
转载
2024-05-21 13:44:38
53阅读
走进国产深度学习框架——百度飞桨什么是飞桨飞桨初体验创建数据变量/常量网络搭建数据操作搭建网络与执行器网络运行安装飞桨windows环境下使用pip安装CPU版本windows环境下使用pip安装CUDA10版本检查是否安装成功 什么是飞桨飞桨 (PaddlePaddle)以百度多年的深度学习技术研究和业务应用为基础，集深度学习核心框架、基础模型库、端到端开发套件、工具组件和服务平台于一体，20
转载
2023-11-09 09:08:06
373阅读
2022年5月飞桨框架2.3版本正式发布，相比飞桨框架2.2版本，API体系更加丰富，新增了100多个API，覆盖自动微分、概率分布、稀疏Tensor、拟牛顿优化器、线性代数、框架性能分析、硬件设备管理、视觉和语音领域等方面。整体上进一步丰富了飞桨框架动静统一、高低融合的API体系。下面对每一类新增的API及其应用场景进行详细介绍，方便快速理解和上手。新增自动微分API 以更好支持科学计算科学计算
转载
2024-01-04 22:23:48
90阅读
最近，百度 ERNIE 再升级，发布持续学习语义理解框架 ERNIE 2.0，该模型在共计 16 个中英文任务上超越了 BERT 和 XLNet，取得了 SOTA 效果。在ERNIE 2.0 预训练模型耀眼光环背后的神助攻，正是源于飞桨（PaddlePaddle）长期产业实践积累的高效率GPU分布式训练能力。ERNIE 连续获得业界 SOTA 效果，离不开飞桨高性能分布式训练引擎提供的强大支撑。举
文章目录零、基础1、系统架构2、设计理念3、常用概念（１）边（２）节点（３）图（４）会话（５）设备（６）变量——tf.Variable()（7）内核一、计算模型——计算图1、计算图2、计算图使用（1）计算阶段（2）相关设置（3）TF 中维护的集合列表二、数据模型——张量1、张量的概念2、张量的使用（1）对中间计算结果的引用（2）获取计算结果三、运行模型——会话（session）1、两种模式2、默
转载
2024-10-18 10:54:20
72阅读
文章目录第一章零基础入门深度学习（下）加载库数据处理模型设计训练配置训练过程保存模型测试模型完整代码 今天是学习这门课程的第二天，学习内容是利用飞桨的深度学习平台来进行波士顿房价的预测，至于为什么要用飞桨这个平台，以下是 官方回答，我也是刚接触，之前用的都是pytorch，现在一起学习呗，再次附上脑图链接： 打卡学习笔记 第一章零基础入门深度学习（下）加载库#加载飞桨、Numpy和相关类库
i
转载
2024-03-15 10:42:12
65阅读
深度学习技术已经具备了很强的通用性，正在推动人工智能进入工业大生产阶段。飞桨（PaddlePaddle）是百度自研的开源深度学习平台，有全面的官方支持的工业级应用模型，涵盖自然语言处理、计算机视觉、推荐引擎等多个领域，并开放多个领先的预训练中文模型。并为开发者开放 PaddleHub、PARL、AutoDL Design、VisualDL 等一系列深度学习工具组件，帮助开发者快速落地AI应用。接下
一、概览注：整体方案上尚存在技术疑点，需进一步小组内讨论对齐，避免方案设计上存在后期难以扩展（或解决）的局限性框架TensorFlow 1.xTensorFlow 2.xPaddlecond/while√√√实现机制组合OP (DataFlow)函数式 (Functional)函数式 (Functional)高阶微分×√×并行执行√××图构造复杂简单简单互相嵌套√√√维护成本高低低执行性能快一般一
2021 WAVE SUMMIT 是由深度学习技术及应用国家工程实验室及百度联合主办一场极客盛会 。会间，百度飞桨（PaddlePaddle）发布多项重大更新。其中，登临平台集成代码已经合并，随飞桨开源框架v2.1正式开源。百度与登临的合作，为飞速增长的 AI 应用市场提供更灵活的硬件平台选择，以及更低 TCO（Total Cost of Ownership，即总拥有成本）的人工智能数据中心方案，
转载
2024-03-01 20:02:40
482阅读
