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
51阅读
AI Studio链接：https://aistudio.baidu.com/aistudio/education/group/info/2099在一小时的演讲中，来自飞桨团队的资深研发工程师商智洲老师介绍了飞桨原生推理引擎，以及该引擎中针对 GPU 推理所做的优化工作。飞桨推理引擎是飞桨模型推理部署的重要基础之一，已在百度内部各核心业务线和众多 ToB 交付的AI服务中经过充分验证。商智洲介绍，
TensorFlow是谷歌开源的深度学习库。不多介绍，相信准备学习TensorFlow的同学也会自己去更多的了解。本系列博文讲尽量不涉及深度学习理论，但是会给出相关理论对应的博文等资料供大家参阅。这里，首先要跟大家介绍一个计算图的概念： TensorFlow会根据代码先创建好计算图，然后数据会再流入这样的计算图中： 这个概念能帮助我们在编码的时候更好的去理解。我们再来理解一下TensorF
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
111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
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
编程指南目前飞桨（PaddlePaddle，以下简称Paddle）已经同时支持动态图和静态图两种编程方式， 本文主要侧重于介绍静态图的编程方法，关于动态图编程方法，阅读完本文档，您将了解在Paddle静态图编程方式中，如何表示和定义数据变量，以及如何完整的组建一个深度学习网络并进行训练。数据的表示和定义
Paddle和其他主流框架一样，使用Tensor数据结构来承载数据，包括模型中的可学习参数（如
转载
2023-12-01 20:04:17
209阅读
初次接触paddlepaddle是在胡晓曼老师的博客上，当时想要去了解一下卷积神经网络网络的原理，就在百度上到处搜索，然后就看到了最后赵晓曼老师说的用paddle实现卷积神经网络。也是这次偶然的机会，让我了解到了paddlepaddle，于是乎就开始关注到了paddle。正好这个时候还看见了百度架构师手把手教你深度学习这门课程，卧槽，瞬间就被这标题给吸引住了（还好不是标题党，不然我就要化身万年喷子
转载
2024-04-02 10:54:31
124阅读
最近想玩一玩智能图像处理，奈何不太懂AI，偶然找到百度飞浆，发现这个神器真不错，帮助你快速实现AI应用，即使你不怎么懂AI也可以跑起来。百度飞浆是支持各个平台的，当然是性能越强约好。我这里用的全志A40i开发板测试，一个很普通的arm也可以跑起来。不得不说，以后的AI算法门槛越来越低的。EasyDL 百度零门槛AI开发平台，你可以自己训练数据。EasyEdge是端计算模型生成平台，你训练好的模型生
转载
2024-05-21 20:16:48
63阅读
飞浆（FLiP）与 Java 的结合为 Java 开发者提供了更高效的数据处理和机器学习能力。飞浆是一个高性能的开源深度学习框架，其核心在于灵活性与高效性。作为一种机器学习框架，飞浆能与 Java 进行良好的配合，帮助开发者在各种应用中实现智能数据处理和决策。
## 协议背景
我们来看一下飞浆与 Java 的协议背景。在飞浆的发展过程中，通过不同的版本和配置，与 Java 系统的结合越来越紧密
在6月30日最新发布的MLPerf Training v2.0榜单里，百度使用飞桨框架（PaddlePaddle）和百度智能云百舸计算平台提交的BERT Large模型GPU训练性能结果，在同等GPU配置下的所有提交结果里排名第一，超越了高度定制优化且长期处于榜单领先位置的NGC PyTorch框架，向全世界展现了飞桨框架的性能优势。图1 MLPerf Training v2.0 BERT模型效能
转载
2024-03-01 21:22:47
188阅读
近日，Imagination公司的人工智能IP PowerVR NNA系列与百度飞桨完成I级兼容性测试（基于TVM）。测试结果显示，双方兼容性表现良好，整体运行稳定。产品兼容性证明本次I级兼容性测试基于Imagination的人工智能IP PowerVR NNA系列，现已完成包含PP-YOLOE、ResNet50、HRNet 等总计8个模型的验证，覆盖了计算机视觉技术领域。Imagination基
转载
2024-01-03 14:36:17
56阅读
上一篇文章中，我们分享了模型训练过程中的权重初始化和损失函数构建以及模型准确率评判，如此基本的流程已经走完，下一步就是如何将数据导入网络，以及如何将网络的输出结果传递给损失函数和反向传播，下面就一起来看看吧。  
转载
2024-05-24 08:38:09
84阅读
Paddle版本：2.0.0rc Python版本：python3 运行方式：python3命令行界面，非分布式方式 1. 安装飞桨¶
如果您已经安装好飞桨那么可以跳过此步骤。我们针对用户提供了一个方便易用的安装引导页面，您可以通过选择自己的系统和软件版本来获取对应的安装命令，具体可以点击快速安装查看。具体步骤在CentOS的linux机器上，安装python3,安装paddleyum insta
转载
2023-12-23 18:12:18
199阅读
跟着飞桨学习卷积神经网络，测试一个新的模型准确率一：作业要求课程中以1张图片为例，测试了预测效果，请从原始mnist数据集中，随机抽取出100张图片，测试下模型的分类准确率？ 【作业内容】 ✓代码跑通 请大家根据课上所学内容，补全代码，保证程序跑通。 【评分标准】 ✓代码运行成功且有结果（打印100张图片的分类准确率），100分 计算模型分类准确率二：实现过程1、定义数据集读取器（参考项目） 2、
首先声明，不详细讲解代码部分，主要是针对课程的理解及对作业的分析。 今天学习的内容比较简单，开始介绍了飞浆开源深度学习平台、为什么要存在深度学习框架（个人认为这个是必然要出现的，所有开发者都会想到的这个问题，大大节省了编写底层代码的时间，我之前用的是tensorflow框架，就特别好用，然后百度的Paddle Paddle也支持相互转换，这就完美了。）使用飞浆作为深度学习框架的优势（这里怎么说，
转载
2023-12-22 09:09:52
106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
6月28日，2019中国人工智能峰会(CAIS 2019)在南京举办，大会以“智能＋拥抱未来”为主题，汇聚人工智能领域学术界、产业界众多领袖及代表，探讨中国人工智能的现在与未来。百度AI技术平台体系执行总监、深度学习技术与应用国家工程实验室副主任吴甜受邀出席“AI的开源与开放”高峰论坛并发表主题演讲，阐述了全球软件开源开放的现状，以及中国首款自主研发的深度学习平台飞桨(PaddlePaddle)的
转载
2023-11-29 16:10:38
71阅读
# Docker 与飞桨：深度学习容器化实践
随着深度学习技术的不断发展，越来越多的企业和研究者开始使用深度学习框架进行模型训练和部署。飞桨（PaddlePaddle）作为国内领先的深度学习平台，提供了丰富的API和工具，支持多种深度学习任务。然而，在实际应用中，我们经常会遇到环境配置不一致、依赖冲突等问题。为了解决这些问题，Docker技术应运而生。本文将介绍如何使用Docker技术与飞桨结合
原创
2024-07-25 07:01:22
148阅读
# Java飞浆：深度学习框架的前沿探索
随着机器学习与深度学习的兴起，越来越多的开发者开始关注如何利用这些技术来解决实际问题。在各种深度学习框架中，Java飞浆（PaddlePaddle for Java）逐渐引起了业内的广泛关注。飞浆是百度开源的深度学习平台，Java接口的引入使得更多Java开发者能够轻松接入深度学习的世界。本文将带你深入了解Java飞浆的使用，同时提供一些简单的代码示例。
