飞桨(PaddlePaddle)核心框架Paddle Fluid v1.5已经发布，而作为其关键工具，用来迁移学习的PaddleHub也进行了全面更新，正式发布了1.0版本。全新的PaddleHub模型和任务更加丰富，为用户提供了覆盖文本、图像和视频三大领域八大任务的40+预训练模型，同时还在飞桨官网上开辟了PaddleHub的网页。本文将对PaddleHub及其更新做更加全面的介绍。Paddle
转载
2024-07-02 00:40:29
54阅读
前言本系列教程中，前面介绍的都没有保存模型，训练之后也就结束了。那么本章就介绍如果在训练过程中保存模型，用于之后预测或者恢复训练，又或者由于其他数据集的预训练模型。本章会介绍三种保存模型和使用模型的方式。训练模型在训练模型的过程中我们可以随时保存模型，当时也可以在训练开始之前加载之前训练过程的模型。为了介绍这三个保存模型的方式，一共编写了三个Python程序进行介绍，分别是save_infer_m
转载
2024-05-08 15:15:59
229阅读
这一部分开始介绍创建Predictor过程, 以下代码均位于paddle/fluid/inference/api目录下1、对外暴露的接口均在paddle_inference_api.h中namespace paddle_infer
using Config = paddle::AnalysisConfig;
///
/// \brief A factory to help create predi
转载
2024-09-04 20:30:48
58阅读
在PaddlePaddle中指定使用GPU进行运行非常简单。首先，确保你的机器上已经安装了CUDA和cuDNN，并且正确配置了GPU环境。在你的代
原创
2024-01-19 13:50:30
424阅读
前言记录下如何用paddle2.0搭建一个网络，在动态图模式下用容易上手的高层api复现多种网络 使用paddle2.0动态图搭建网络(超简易)环境Aistudio项目 Notebook线上环境 paddle版本 : 2.0 使用动态图模式(默认)参考•多层感知机模型 •卷积网络 •学习目录 •以上均来自课程: https://aistudio.baidu.com/aistudio/course
转载
2024-05-14 14:51:08
131阅读
目录三.下载模型四.训练前的准备1.在源代码文件夹里创造一个自己放东西的文件2.准备数据2.1数据标注2.2数据划分3.改写yml配置文件4.安装anaconda五.开始训练六.报错（1） libGL.so.1（2）Polygon(3) lanms（4）报错UnicodeDecodeError: ‘utf-8’ codec can’t decode byte 0xbc in position 2
转载
2024-07-31 20:53:48
563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
tts style control参考在 FastSpeech2 中，我们可以控制 duration、pitch 和 energy。duration/speed：表示音素的持续时间，当我们减少持续时间时，音频的速度会增加，当我们增加持续时间时，音频的速度会降低。简称音频速度。音频速度，该值应设置在 0 到 3 之间。 默认值：1.0pitch：
当我们将一个句子的音高设置为平均值并将音素设置为 1
转载
2024-07-17 06:25:51
156阅读
最近在学习深度学习，采用的是百度的飞桨平台。今天在搭建简单的CNN网络的过程中，对于卷积层，池化层以及全连接层之间的参数传递感到很困惑，查阅资料之后有了一点理解，写在CSDN中做个记录。 在官网的paddle.nn.Conv2D的说明文档中提到：&n
转载
2023-09-27 19:02:32
225阅读
第三章 计算机视觉（中）2.4 激活函数ReLU和Sigmoid激活函数：通常在卷积或者全连接这样的线性操作之后，会加上一个非线性的函数，作用在每一个神经元的输出上，从而实现非线性变换的效果多个对x的线性变换 等价于 一个对x的线性变换Sigmoid函数1.在x的数值非常大或者非常小的地方，导数都接近于0Sigmoif函数只有在x接近于0的地方，导数才比较大，但最大值只有1/4即使x的数值接近于0
@PARLPARL介绍特点**可复现性保证。**我们提供了高质量的主流强化学习算法实现，严格地复现了论文对应的指标。**大规模并行支持。**框架最高可支持上万个CPU的同时并发计算，并且支持多GPU强化学习模型的训练。**可复用性强。**用户无需自己重新实现算法，通过复用框架提供的算法可以轻松地把经典强化学习算法应用到具体的场景中。**良好扩展性。**当用户想调研新的算法时，可以通过继承我们提供的
官网建议准备docker环境，这里使用虚拟环境即可 环境：python 3.7，cuda10.1-cudnn7 1、安装PaddlePaddle Fluid v1.7pip3 install --upgrade pip
python3 -m pip install paddlepaddle-gpu==1.7.2.post107 -i https://pypi.tuna.tsinghu
转载
2024-02-27 14:05:46
112阅读
# 用PaddlePaddle实现GPU加速
## 介绍
在深度学习领域中，GPU 加速是非常重要的一部分，它可以大大提升训练模型的速度。在PaddlePaddle中，也可以很方便地使用GPU来加速计算，本文将介绍如何在PaddlePaddle中实现GPU加速。
## 步骤概览
下面是实现PaddlePaddle GPU加速的步骤概览：
| 步骤 | 操作 |
| --- | --- |
|
原创
2024-05-08 11:14:31
250阅读
对于NLP中 Mask 的作用（ps：padding mask 和 Subsequent mask不是官方命名）：Padding mask：处理非定长序列，区分padding和非padding部分，如在RNN等模型和Attention机制中的应用等Subsequent mask：防止标签泄露，如：Transformer decoder中的mask矩阵，BERT中的[Mask]位，XLNet中的ma
转载
2023-11-29 15:48:05
107阅读
产品动态? 人脸编辑神器：StyleGAN V2人脸属性编辑之年龄变换--时光穿梭机，一键实现变老变年轻 ??完整在线教程? 视频超分SOTA算法PP-MSVSR：一行命令从"马赛克"到"高清影像" ?完整在线教程? 人脸编辑神器：StyleGAN V2人脸属性编辑之性别转换--怕什么孤单？和自己谈一场恋爱吧！ ?完整在线教程??&nbs
综述爬坑一天，整出来一套还行的方案，特此分享爬坑心得~因为整体代码结构和上篇手写数字的文章里代码结构比较相似，所以这里只贴出部分代码 网络结构目前采用的两套模型是普通cnn以及vgg，效果不错，其他模型可能后续还会尝试。CNN# cnn
def convolutional_neural_network(image, type_size):
# 第一个卷积--池化层
con
转载
2024-03-26 14:19:15
130阅读
/proc/cpuinfo文件分析
根据以下内容，我们则可以很方便的知道当前系统关于CPU、CPU的核数、CPU是否启用超线程等信息。
<1>查询系统
CPU的个数：cat /proc/cpuinfo | grep "
physical id" | sort | uniq | wc -l &
目录前言一、PaddleOCR环境搭建二、银行卡检测模型实现1、导入数据集2、创建配置文件3、执行命令进行GPU训练4、显示运行图5、验证模型6、导出模型解决训练模型与导出模型结果不一致问题 小结前言 最近在做关于字符识别的项目，发现好多人在问关于银行卡识别方案，了解现在最火的文字识别PaddleOCR，发现只使用PaddleOCR就可以达到很好的效果，而且从头到尾不需要动PaddOCR
转载
2024-02-21 19:28:11
1993阅读
我们读yolov3论文时都知道边框预测的公式，然而难以准确理解为何作者要这么做，这里我就献丑来总结解释一下个人的见解，总结串联一下学习时容易遇到的疑惑，期待对大家有所帮助，理解错误的地方还请大家批评指正，我只是个小白哦，发出来也是为了与大家多多交流，看看理解的对不对。论文中边框预测公式如下：其中，Cx,Cy是feature map中grid cell的左上角坐标，在yolov3中每个grid ce
在自动驾驶车辆的软件架构中，需要先通过感知环节对周围环境进行理解，完成障碍物检测和可行域分割等任务，就可以预测障碍物接下来的运动方向，再规划出一条可以避开所有障碍物的运动轨迹，下发运动命令控制车体完成前进。可以说，感知系统是自动驾驶的重要基础和先决条件。 !tar xvzf data/data165771/kitti300frame.tar.gz安装P
