目录Spark基础Spark简介Spark安装下载解压安装：启动：Spark运行原理spark使用方式：Spark运行原理：spark版本与scala版本不对应可能出现的问题：idea编写spark程序1.maven工程的spark pom依赖：2.ScalaWordCount3.JavaLamdaWordCountSpark基础 Spark简介Spark是一种快速、通用、可扩展的大数据
转载
2023-12-18 12:41:48
83阅读
# Spark on PADDLE 架构2.0版实现指南
作为一名经验丰富的开发者，我将教会你如何实现"Spark on PADDLE 架构2.0版"。在开始之前，让我们先来了解整个实现流程，并详细讨论每一步的细节。
## 实现流程
下面是实现"Spark on PADDLE 架构2.0版"的流程，可以用表格展示该流程。
```
| 步骤 | 描述 |
| ---- | ---- |
| 步
原创
2023-08-25 14:23:27
45阅读
文章目录通过极简方案构建手写数字识别模型一、导入库二、数据处理三、网络模型设计四、训练配置以及模型训练**==这里特殊之处在于读取数据的方式采取飞桨自带数据读取器==**五、模型测试==特别注意==图像归一化，保持和训练数据集的数据范围一致[-1 1]六、扩展：飞桨API的使用方法6.1. 飞桨API文档获取方式6.2. 通过搜索和分类浏览两种方式查阅API文档6.3. API文档使用方法 通过
转载
2024-04-08 19:38:44
179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
PaddlePaddle是国际领先的端到端开源深度学习平台。有灵活性和高性能的开发机制、工业级的模型库、超大规模分布式训练技术、高速推理引擎以及系统化的社区服务等五大优势，是为了让深度学习技术的创新与应用更简单。应用：1、百度多项核心业务使用的视频理解技术视频理解技术可以多维度解析视频内容，理解视频语义，自动分类打标签，极大节省人工审核效率，节约成本；同时精准用户推荐，提升体验效果。基于飞桨框架，
转载
2023-11-18 15:55:08
116阅读
官网githubgitee下载安装Linux预测库
原创
2023-08-13 10:04:04
217阅读
paddle（[ˈpædl]，桨，船桨）Windows下的PIP安装一、环境准备1.1目前飞桨支持的环境Windows 7/8/10 专业版/企业版 (64bit)GPU版本支持CUDA 10.1/10.2/11.0/11.1/11.2，且仅支持单卡Python 版本 3.6+/3.7+/3.8+/3.9+ (64 bit)pip 版本 20.2.2或更高版本 (64 bit)1.2如
一、数据源InMemoryDataset,QueueDataset加载数据并在训练前缓冲数据。此类由DatasetFactory创建。import paddle.fluid as fluid
dataset = fluid.DatasetFactory().create_dataset("InMemoryDataset")
filelist = ["a.txt", "b.txt"]
dataset
转载
2024-02-22 12:13:58
83阅读
最近报了百度的深度学习认证，需要使用Paddle进行编程实现，找了一些基础教程，特意记录下来，加深印象。思维导图如下： 一、Paddle的内部执行流程二、内部详解1.Variable（变量）（1）模型中的可学习参数（2）占位Variable（3）常量Variable2.Tensor3.Lod-Tensor4.Operator(算子)5.Program6.Executor（执行器）7.命令
转载
2023-10-14 00:27:30
309阅读
paddle学习笔记一前言导入模块MNIST数据集加载定义模型结构开始训练总结 前言本篇文章以手写数字识别为例，快速上手paddle。 文章内容包含：从paddle中加载mnist数据集用class快速搭建模型选择优化器，加入正则化项训练过程中打印训练集的损失，验证集的损失及准确率，early_stop模型的保存与加载将训练损失和测试损失作图导入模块import paddle
from padd
转载
2024-03-05 17:48:11
86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
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
最近开始使用PaddlePaddle深度学习框架，因为之前有使用过Tensorflow和Pytorch，所以整体感觉上手不难。具体官方文档以及Github资料如下，可以说最吸引我的地方在于百度为了推广这个框架，把很多主流的模型都官方实现了，同时相关的数据集和预训练模型也提供方便的下载渠道。官方文档Paddle Github项目Models GitHub项目刚开始接触Paddle的时候还真的有点不习
转载
2024-05-03 17:13:05
216阅读
一、什么是模型的保存与加载？ 人工智能模型本质上就是一堆参数，我们训练模型时就是使这些参数在某个任务上合理以使其能够得到较为准确预测结果输出。例如猫狗分类任务，训练一系列卷积核数值能够通过前向计算预测出类别。我们花了大量时间训练的模型肯定不想只训练结束后只使用一次，我们想的肯定是能够重复使用这个模型在后续的任务上继续做预测。那就涉及到模型的保存与加载。 二、模型的保存 paddle框架中模型保存加
转载
2024-03-15 15:04:55
131阅读
前言：最近学习了python，主要原因是公司主营百度相关业务，接触了一下paddle Ai开发套件，其中paddlehub安装一直有问题，windows环境也好还是liunx环境也好一直安装不了最新版本，应该是某个库版本问题，所以在本地win开发环境使用了anaconda创建隔离的虚拟环境，安装就没有那么多问题了，毕竟也算是刚入手python，那位兄台可否给些小常识，可以方便快速部署稳定部署环境呢
转载
2023-10-13 08:33:15
156阅读
一、飞桨开源框架(PaddlePaddle)是一个易用、高效、灵活、可扩展的深度学习框架（本地训练学习推理）飞桨(PaddlePaddle)是集深度学习核心框架、工具组件和服务平台为一体的技术先进、功能完备的开源深度学习平台，已被中国企业广泛使用
原创
2022-04-27 17:15:03
10000+阅读
点赞
在这篇文章中，我将详细记录“python如何搭建paddle paddle框架”的整个过程。我将分为几个部分来描述这个过程，包括从背景到解决方案的每一个环节。
在搭建 PaddlePaddle 框架的过程中，很多用户经历了不同程度的困惑和错误。尤其是对初学者来说，文档中的指引并不总是能够解决实际问题。
### 问题背景
用户在尝试进行深度学习项目时，常常会选择 PaddlePaddle 作为
Paddle带你零基础入门深度学习第一周手写数字识别任务数据处理网络结构损失函数优化算法训练调试与优化 第一周手写数字识别任务手写数字识别任务数据处理数据处理优化 在工业实践中，我们面临的任务和数据环境千差万别，通常需要自己编写适合当前任务的数据处理程序，一般涉及如下五个环节：读入数据划分数据集生成批次数据训练样本集乱序校验数据有效性 在数据读取与处理前，首先要加载飞桨和数据处理库，代码如下。#
转载
2023-08-26 10:14:21
157阅读
正文共：6452 字 0 图预计阅读时间： 17 分钟本文讨论一下PaddlePaddle框架中几个重要的概念，在使用Paddle进行开发时，弄清楚这几个概念是使用Paddle进行开发的一个前提。Tensor张量与当前主流框架相同，Paddle同样使用Tensor张量来表示数据，你可以将不同维度的Tensor理解成对应维度的矩阵，当然，两者是有差异
转载
2024-05-31 00:51:48
108阅读
一、准确率&回归率术语表：-预测正例预测反例真值正例TPFN真值反例FPTN准确率Precision公式表示：回归率Recall公式表示： Precision表示预测为正例的结果中有多少是对的，比如100个样本，预测正例为50个，正确的样本有TP=25个，预测错误的有FP=25个。那么Precision就等于50%。但考虑极端情况下，只使用准确率是不合适的，比如100个样本，预测正例1个，
