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
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
“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
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
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
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
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
你还在头疼于经典模型的复现吗？不知何处可以得到全面可参照的Benchmark？为了让开发者可以快速复现顶尖的精度和超高的性能，NVIDIA与飞桨团队合作开发了基于ResNet50的模型示例，并将持续开发更多的基于NLP和CV等领域的经典模型，后续陆续发布的模型有BERT、PP-OCR、PP-YOLO等，欢迎持续关注。深度学习模型是什么？深度学习包括训练和推理两个环节。训练是指通过大数据训练出一个复
转载
2024-05-21 13:50:57
123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
深度学习（Deep Learning）是近年来计算机业发展十分最为迅速的研究领域之一，并且在人工智能的很多子领域都取得了突破性的进展。特别是在2016年年初，由Deep Mind公司研发的AlphaGo以4:1的成绩击败了曾荣获18次世界冠军的围棋选手李世石(Lee Sedol)，AlphaGo声名鹊起，一时间“深度学习”的报道在媒体铺天盖地般的宣传下席卷了全球。深度学习方法不仅在计算机领域大放异
转载
2024-06-03 14:04:08
70阅读
1.PaddlePaddlle强化学习及PARL框架PARL 的名字来源于 PAddlepaddle Reinfocement Learning，是一款基于百度 PaddlePaddle 打造的深度强化学习框架。该强化学习框架主要有以下特点：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
转载
2023-09-09 17:36:40
233阅读
Tensor 介绍一、Tensor 的概念介绍飞桨使用张量（Tensor） 来表示神经网络中传递的数据，Tensor 可以理解为多维数组，类似于 Numpy 数组（ndarray） 的概念。与 Numpy 数组相比，Tensor 除了支持运行在 CPU 上，还支持运行在 GPU 及各种 AI 芯片上，以实现计算加速；此外，飞桨基于 Tensor，实现了深度学习所必须的反向传播功能和多种多样的组网算
转载
2024-05-22 23:06:15
49阅读
