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
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
飞桨和PyTorch哪个更好？这个问题常常在深度学习社区中引发热烈讨论。随着AI技术的飞速发展，选择合适的深度学习框架变得尤为重要。本文将从多个维度对飞桨和PyTorch进行深入剖析，帮助大家做出最佳的选型决策。
## 背景定位
在探讨这两个框架的优劣之前，我们需要了解它们的技术定位和演进历史。飞桨（PaddlePaddle）是由百度于2016年发布的深度学习框架，旨在为各类开发者提供简单易用
“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
929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
283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
441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
在5月20日举行的“ WAVE SUMMIT”峰会上，飞浆开源框架发布了1，8版，时间飞逝，现在飞桨即将进入2，0时代， 此次飞浆2，0一共升级了四项重大创新，这将让AI行业应用程序和科研创新再次升级!一，新升级的API系统使深度学习技术的创新和应用更加轻松深度学习框架可以说是开发人员在人工智能的核心动力，API是该动力的按钮。系统化：基于长期的行业实践积累和对用户习惯的行为下，对飞浆进行了优化，
转载
2023-12-03 09:56:14
70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
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
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
73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
百度推出飞桨（PaddlePaddle）后，不少开发者开始转向国内的深度学习框架。但是从代码的转移谈何容易，之前的工作重写一遍不太现实，成千上万行代码的手工转换等于是在做一次二次开发。现在，有个好消息：无论Caffe、TensorFlow、ONNX都可以轻松迁移到飞桨平台上。虽然目前还不直接迁移PyTorch模型，但PyTorch本身支持导出为ONNX模型，等于间接对该平台提供了支持。然而，有人还
转载
2024-08-12 10:59:00
216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
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
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
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
百度推出飞桨(PaddlePaddle)后，不少开发者开始转向国内的深度学习框架。但是从代码的转移谈何容易，之前的工作重写一遍不太现实，成千上万行代码的手工转换等于是在做一次二次开发。现在，有个好消息：无论Caffe、TensorFlow、ONNX都可以轻松迁移到飞桨平台上。虽然目前还不直接迁移PyTorch模型，但PyTorch本身支持导出为ONNX模型，等于间接对该平台提供了支持。然而，有人还
转载
2023-09-10 18:13:34
440阅读
标题转载自AI Studio标题项目链接https://aistudio.baidu.com/aistudio/projectdetail/3476364项目简介本项目提供了ConvNeXt的飞桨版本的预训练权重以及模型文件。权重由PyTorch转换而来。并且通过在ImageNet 1K测试集进行精度校验。模型文件请见ConvNeXt.py。本项目旨在提供飞桨版本的模型权重、模型文件和验证精度，对
转载
2023-10-12 20:47:13
284阅读
