导读：12月12日，在上海举行的WAVE SUMMIT 2021深度学习开发者峰会上，飞桨深度学习开源框架2.2版本正式发布。飞桨是中国首个开源的深度学习框架，一直致力于让深度学习技术的创新与应用更简单。最新的v2.2版本飞桨框架在编程接口方面，新增了傅里叶变换、线性代数计算、AI科学计算等相关的100多个API，可以支持更广泛任务类型的模型开发；分布式训练方面，在优化了4D混合并行等分布式技术的
转载
2023-10-31 19:50:28
163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
写在前面：本博客主要介绍了如何使用百度飞浆中的yolov3模型进行水下小目标（海胆，海星等）检测，目前mAP值达到47%，随着训练轮数的增加后续可能会有提高。博客中主要进行SSR图像增强、PaddleDetection的部署、yolov3的使用、模型的评估与预测几部分进行。 文章中用到的一些资源已打包上传： （包括：原始数据集，SSR处理后图片集，当前PaddleDetection压缩包，mAP值
文章目录简述PyTorchPytorch的安装PyTorch包的结构PyTorch的主要模块1.torch模块2.torch.Tensor模块3.torch.sparse模块4.torch.cuda模块5.torch.nn模块6.torch.nn.functional函数模块7.torch.nn.init模块8.torch.optim模块9.torch.autograd模块10.torch.di
转载
2023-12-24 11:18:05
71阅读
2016 年，AlphaGo 横空出世，人工智能时代到来。同年，百度开源自研的深度学习框架 PaddlePaddle（飞桨），成为中国首个开源深度学习框架。然而，这波由深度学习推动的技术和产业浪潮，也面临着诸多挑战。数据量越来越大，有些模型的训练数据动辄上 TB；模型越来越深，越来越复杂，从 AlexNet 的 8 层，到 ResNet-1000 的 1202 层；模型参数越来越多，甚至超过 10
转载
2023-12-26 19:58:38
183阅读
在本月20号召开的WAVE SUMMIT+2020深度学习开发者峰会上，百度正式发布了基于飞桨的生物计算平台-螺旋桨PaddleHelix，进军生物计算领域。 本次发布的螺旋桨PaddleHelix生物计算开源工具集，提供了包括RNA二级结构预测、大规模的分子预训练、药物-靶点亲和力预测、以及ADMET成药性预测等一系列算法和模型，重点满足生物医药、疫苗设计和精准医疗方面的A
转载
2024-05-22 23:07:43
31阅读
飞桨ai Studio notebook基本操作具体学习详见地址个人笔记 具体学习详见地址个人笔记1.在Notebook中使用shell命令 注意：通过在Shell命令前添加! (感叹号), 就可以执行部分Shell命令. 包括诸如 !pip install这样的命令. 不过, !apt-get这种可能引发用户进一步操作的命令是不支持的.!ls /home/aistudio/data/
!pw
转载
2023-12-19 17:17:58
236阅读
飞桨（PaddlePaddle）为用户提供技术领先、简单易用、兼顾显存回收与复用的显存优化策略，在Transformer、BERT、DeepLabV3+上Max Batch Size性能优于对标开源框架，在YOLOv3、Mask-RCNN模型上显存性能与对标开源框架持平，有兴趣的同学可以试一下，上一组数据先睹为快。测试条件如下：Paddle version：1.5.0Tensorflow vers
转载
2024-03-12 13:01:08
169阅读
“一生费城七六人”1. conda装paddle环境1.1 验证是否装好2. x2paddle2.1 介绍2.2 安装3 模型转换3.1 pt -> onnx3.2 onnx > .pdparams3.2.1 会出现的错误情况3-1. 第一种情况3-2. 第二种情况4. 查看结果5. 其他模型6. 终极解法 问题阐述：将yoloV5项目移至paddle框架下执行时，会发现飞桨的框架不
转载
2023-09-21 14:38:50
927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
这个还是挺实用的啊，建议需要人工智能的小伙伴去看看。飞桨EasyDL零门槛AI开发平台，这块主要分7个方向。 看你需要哪个方向吧。 拿走不谢。第一个。EasyDL 图像零算法基础定制高精度图像应用AI模型， 提供端云多种灵活部署方案。主要是干啥的呢？1.图像分类EasyDL是一个面向企业和个人开发者的零门槛AI开发平台，为零算法基础的开发者提供定制高精度AI模型的服务，包括数据处理、模型训练、服务
转载
2023-08-08 10:59:11
281阅读
论文 PP-PicoDet项目github地址1. 安装1.1 conda 安装 paddlepaddleconda create -n paddle python=3.7 # 创建python环境
conda activate paddle # 进入环境
python3 -c "import platform;print(platform.architecture()[0]);prin
转载
2023-12-06 11:22:50
280阅读
新版本框架在深度定制开发能力、全流程的自动化水平等方面有大幅升级，涉及开发、训练、推理部署和云上飞桨各环节。API体系更加丰富，更便捷支持包括AI科学计算在内各领域模型开发；针对高阶开发者深度定制开发需求，飞桨框架2.3版本推出高复用性算子库、高扩展性参数服务器架构，进一步降低框架深度定制开发的成本；推出业内首个全流程自动调优方案，大幅提升性能调优的自动化水平；降低模型压缩技术的应用门槛，推出业内
转载
2024-01-23 18:54:44
138阅读
上一周百度刚刚召开了AI开发者大会，其中自研的深度学习平台飞桨再一次走进了大家的视野里面，其中，早在学校期间我就有接触过PaddlePaddle，据说这个名字都是机器学习界的大神吴恩达给起的，也就是下面这位： 这里说之前接触过是什么意思呢，主要是之前接触的时候并不是很顺利，在安装和搭建的时候都有问题，后面
转载
2024-08-20 18:10:05
138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
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
2016年9月，飞桨框架正式开源。飞桨框架建设并非只靠百度工程师，也离不开热爱飞桨、热爱开源的开发者们，他们用自己的方式参与飞桨框架建设，与飞桨共同成长。作为大型开源项目，飞桨社区十分欢迎各位开发者积极提出需求或不足，并主动提交pr解决。本文将由开发者李其睿介绍贡献API的经验。前段时间百度飞桨组织了飞桨黑客马拉松第三期活动，该活动发布了诸多有趣的开发任务。我参与了基础API方向的开发任务，并新增
PaddleHub是飞桨生态的预训练模型应用工具，开发者可以便捷地使用高质量的预训练模型结合Fine-tune API快速完成模型迁移到部署的全流程工作。PaddleHub提供的预训练模型涵盖了图像分类、目标检测、词法分析、语义模型、情感分析、视频分类、图像生成、图像分割、文本审核、关键点检测等主流模型。安装PaddlePaddle环境关于这个部分请参考我的另一篇文章 --->>“大白
转载
2024-01-10 15:39:05
104阅读
飞桨实验（1.使用LeNet在MNIST数据集实现图像分类（基于基础API和高层API，完成模型的训练与预测）2.完成实践：手写数字识别任务）<Windows系统下安装配置paddlepaddle>Conda下载(一般选择CPU版)：conda install paddlepaddle==2.3.2 --channel https://mirrors.tuna.tsinghua.edu
转载
2024-04-28 08:49:17
438阅读
