- 综合排序
- 最热优先
- 最新优先
- 来自专栏算法之名
飞桨paddle技术点整理
前面的步骤跟乌班图安装Pytorch、Tensorflow Cuda环境 是一样。
71730编辑于 2022-09-19 - 来自专栏Niuery的技术日记
百度飞桨 --- 试玩PaddleOCR
简介 介绍「PaddleOCR」之前，先来介绍一下百度的飞桨项目： 「百度飞桨（PaddlePaddle）」 是百度推出的开源深度学习平台。 作为国内领先的深度学习框架之一，飞桨提供了丰富的工具和资源，帮助开发者和研究者轻松地构建、训练和部署各种深度学习模型。
1.4K31编辑于 2023-10-22 - 来自专栏机器之心
百度发布飞桨螺旋桨PaddleHelix
机器之心发布 机器之心编辑部 百度正式发布基于飞桨的生物计算平台 - 螺旋桨 PaddleHelix，进军生物计算领域。 在本月 20 号召开的 WAVE SUMMIT+2020 深度学习开发者峰会上，百度正式发布了基于飞桨的生物计算平台 - 螺旋桨 PaddleHelix，进军生物计算领域。 螺旋桨 PaddleHelix 官网地址：https://www.paddlepaddle.org.cn/paddle/paddlehelix 螺旋桨 PaddleHelixGitHub 地址：https 螺旋桨 PaddleHelix 也提供了一些通过了验证的，可以有效应用于下游任务的模型，效果如表 2 所示。 我们也期待，螺旋桨 PaddleHelix 的发布能带来更多的跨界惊喜，在生物医药、精准医疗、疫苗设计等领域发挥出更大的价值。
55110编辑于 2023-03-29 - 来自专栏PaddlePaddle
如何基于OpenVINO加速飞桨模型推理？
在飞桨团队和OpenVINO团队的合作推进下，目前OpenVINO已支持直接导入飞桨模型格式进行模型优化转换和部署；而为了给开发者带去更好的体验，我们也正在开展将OpenVINO作为后端引擎向飞桨原生推理框架 基于飞桨及OpenVINO进行项目开发的典型工作流程为： （1）模型训练部分： （2）模型转换及应用部分 搭建飞桨开发环境及模型训练 为了兼顾效率和精度，在实际案例中采用了PaddleDetection 1.配置飞桨框架 安装CPU或GPU版本的飞桨，本文所安装的版本为paddlepaddle-gpu==2.1.3.post112，python版本为3.6.2。 下面介绍如何将飞桨的.pdmodel模型转换至OpenVINO的IR格式。 IR格式的模型，包含XML和BIN两个文件。 ，可通过mo.py脚本直接将飞桨模型转换成IR格式，需要我们做的就是指定模型类型、模型的输入输出、路径等各项参数，整个过程非常地高效和便捷。
1.4K20发布于 2021-11-17 - 来自专栏PaddlePaddle
用飞桨玩明日方舟
不过，在这个项目中，我将带大家暂时忘却现实的烦恼，用飞桨深度强化学习框架PARL来实现这个“英雄梦”！先放效果图： ? 知识回顾 大家是不是迫不及待了呢？ 如果您想详细了解更多飞桨的相关内容，请参阅以下文档。 ·飞桨官网地址· https://www.paddlepaddle.org.cn/ ·飞桨开源框架项目地址· GitHub: https://github.com/PaddlePaddle/Paddle Gitee: https://gitee.com/paddlepaddle/Paddle ·飞桨深度强化学习框架项目地址· https://github.com/PaddlePaddle/PARL
1K20发布于 2021-04-20 - 来自专栏微卡智享
飞桨PaddleOCR C++预测库布署
7分钟 前言 关于OCR这块以前《Android通过OpenCV和TesserartOCR实时进行识别》中用过TesserartOCR，原来用的模型库也挺大，最近也研究了下别的OCR，最终决定采用百度飞桨 PaddleOCR，本篇就是基于百度飞桨的PaddleOCR在Window版下C++的布署。 Q1 为什么使用飞桨PaddleOCR？
3.2K20发布于 2021-07-07 - 来自专栏PaddlePaddle
用飞桨检测谣言，新技能get！
【飞桨开发者说】文瑞洁，中科院信工所工程师，主要研究领域：深度学习、自然语言处理。 如何基于飞桨实现谣言检测 飞桨是以百度多年的深度学习技术研究和业务应用为基础，集深度学习核心框架、基础模型库、端到端开发套件、工具组件和服务平台于一体，2016 年正式开源，是全面开源开放、技术领先、功能完备的产业级深度学习平台 下面我将为大家展示如何用飞桨API 编程并搭建一个循环神经网络（Recurrent Neural Network，RNN），进行谣言检测。 飞桨 API中dynamic_lstm接口已经给我们实现了 LSTM。 已经成功使用飞桨核心框架实现了谣言检测。本实践代码已在AI Studio上公开
93220发布于 2020-03-04 - 来自专栏一朵灼灼华的博客
【AI】飞桨的简单使用及相关处理
安装 安装介绍页面：https://www.paddlepaddle.org.cn/install/quick?docurl=/documentation/docs/zh/install/docker
1.2K10编辑于 2022-08-05 - 来自专栏AI研习社
赛事推荐 | 飞桨论文复现挑战赛
点击上方“蓝字”关注“AI开发者” 飞桨论文复现挑战赛简介 2019年11月，飞桨系列挑战赛-论文复现挑战赛全新上线，通过比赛机制，鼓励选手使用国产框架复现顶会论文，助力更多科研成果落地，为中国开源生态建设贡献力量 更多飞桨资讯，可查看：https://www.paddlepaddle.org.cn/。 （2） 经赛事组委会评选产生的论文复现优胜代码，将被添加到飞桨PaddlePaddle官方Github下面的代码目录models仓库中，参赛选手将同步成为飞桨骑士团成员，并获得骑士团定制证书。 想要获取更多算力加入百度飞桨挑战赛QQ交流群获取专属算力码。 使用飞桨过程中遇到问题，加入飞桨官方QQ交流2群：796771754 4.飞桨系列挑战赛不收取任何报名费用。
1.2K20发布于 2019-12-03 - 来自专栏孙小北的成长笔记
飞桨图神经网络学习心得
飞桨图神经网络学习心得 感谢百度大佬的课程分享，干货满满，本文总结在此次学习过程中遇到的问题以及解决方法，小白入门踩坑之路。 果断在后面回了一句，我们有飞桨啊！早点上手总有不一样的收获。 对于Pytorch和Tensorflow还没了解清除的我愣是跟着老师把飞桨给跑起来了，课程干货太多，需要课下补充学习的知识也挺多的，对于我这样的小白来说，得需要点时间消化。 9.1/9.2/10.0/10.1，且仅支持单卡 Python 版本 2.7.15+/3.5.1+/3.6/3.7 (64 bit) 个人环境：windows10 2004 + Python 3.6 + 飞桨 # 安装飞桨1.18.5 python -m pip install paddlepaddle==1.8.5 -i https://mirror.baidu.com/pypi/simple #报错
33110编辑于 2024-01-30 - 来自专栏PaddlePaddle
飞桨PaddleDetection物体检测统一框架详解
7 月 3 日百度 AI 开发者大会，飞桨核心框架 Paddle Fluid v1.5 宣布开源了 PaddleDetection 物体检测统一框架，用户可以非常方便、快速的搭建出各种检测框架，构建强大的各类应用 工业化：结合飞桨核心框架的高速推理引擎，训练到部署无缝衔接 模块化：提供模块化设计，模型网络结构和数据处理均可定制 高性能：基于高效的核心框架，训练速度和显存占用上有一定的优势，例如，YOLO v3 YOLO v3：速度和精度均衡的目标检测网络，相比于原作者 DarkNet 中的 YOLO v3 实现，飞桨的实现参考了论文 Bag of Tricks for Image Classification 安装好飞桨环境后，可以下载预训练模型快速验证推理效果。
1.7K00发布于 2019-07-11 - 来自专栏NLP/KG
飞桨运行算力最新版本
2017年5月11日，正式发布了全新Volta架构GPU——NVIDIATeslaV100，TeslaV100是史上规模最庞大的GPU，拥有超过210亿个晶体管，是上代TeslaP100的1.37倍，核心面积达到了创纪录的815平方毫米。
37220编辑于 2022-12-21 - 来自专栏PaddlePaddle
飞桨时序建模库PaddleTS及产业应用实践
本系列根据WAVE SUMMIT+2022深度学习开发者峰会「飞桨升级 创新引领」论坛嘉宾分享整理。 本文整理自百度主任架构师杨胜文的主题演讲——基于飞桨的深度时序建模库PaddleTS及产业应用实践。 PaddleTS： 基于飞桨的深度时序建模库 为了使这些不断涌现的深度时序建模技术能够无门槛地惠及广大行业用户和开发者，我们打造了基于飞桨的深度时序建模算法库PaddleTS。
47730编辑于 2023-03-06 - 来自专栏PaddlePaddle
飞桨实战 | DCGAN生成手写数字图片全解析
这个函数返回一个reader——飞桨（PaddlePaddle）中的reader是一个Python函数，每次调用的时候返回一个Python yield generator。 在飞桨（PaddlePaddle）里，一个reader每次yield一条训练数据，而一个batched reader每次yield一个minibatch。
1.6K20发布于 2019-06-14 - 来自专栏PaddlePaddle
飞桨TOP案例集锦 | AI可以改变更多
下面，小编就带领大家了解一下飞桨怎么在现实生活中发挥作用的。 标准高尔夫球场自动检测 飞桨助力土地资源监测治理 高尔夫球场，长期以来的高端社交地，但其存在的背后，却是对资源环境的侵袭。 次元视界应用飞桨，将Faster R-CNN应用于效果图真实商品检测，并结合可视化技术（Web3D、混合现实、全景云图），为消费者带来高品质的视觉感知服务，实现以图搜商品。 飞桨通过提供一种高性价比的多机CPU参数服务器训练方法，可有效地解决超大规模推荐系统、超大规模数据、自膨胀的海量特征及高频率模型迭代的问题，拥有超大吞吐量及高效率。 以上只是飞桨解决实际问题的几个范例，飞桨有着全面的官方支持的工业级应用模型，涵盖自然语言处理、计算机视觉、推荐引擎等多个领域，行动起来，让飞桨实现你的脑洞！
92230发布于 2019-07-02 - 来自专栏NLP/KG
【1】paddle飞桨框架高层API使用讲解
1.高层API简介 飞桨框架2.0全新推出高层API，是对飞桨API的进一步封装与升级，提供了更加简洁易用的API，进一步提升了飞桨的易学易用性，并增强飞桨的功能。 飞桨框架对于图像预处理的方式，可以快速完成常见的图像预处理的方式，如调整色调、对比度，图像大小等； 3、 飞桨框架数据加载：paddle.io.Dataset与paddle.io.DataLoader飞桨框架标准数据加载方式 ，可以”一键”完成数据的批加载与异步加载； 2.1.1 飞桨框架内置数据集 首先，飞桨框架将常用的数据集作为领域API对用户开放，对应API所在目录为paddle.vision.datasets包含的数据集如下所示 使用飞桨高层API，可以在3-5行内，完成模型的训练。 是飞桨模型可视化的大杀器。飞桨高层API也做了与VisualDL的联动，也仅仅需要一行代码，就可以轻松使用VisualDL完成模型训练过程的分析。
1.1K30编辑于 2022-12-21 - 来自专栏python全栈教程专栏
【飞桨PaddlePaddle】迁移学习快速入门，完整源码+讲解演示
可以使用server_check()可以检查本地与远端PaddleHub-Server的连接状态，使用方法如下：
1.1K30发布于 2021-10-19 - 来自专栏PaddlePaddle
利用飞桨技术引领废钢判级行业新格局
本文整理自用友网络科技股份有限公司的工业大脑业务部资深解决方案专家陈浩东的主题演讲——利用飞桨技术引领废钢判级行业新格局。 针对生产过程中带来高能耗和高污染问题，企业通过使用飞桨+用友废钢智能判级系统，助力提升自身经济效益和安全生产水平。 最后使用飞桨全流程开发工具PaddleX进行模型训练，达到部署上线。 在飞桨的助力下，用友系统性能实现大幅提升。建模时间提高10%，算法推理速度提高5%，算法效果提升12%，准确率显著提升。 当前，越来越多的钢铁企业正在探索智能化转型道路，未来用友也将继续和飞桨携手，为这些企业创造更大的经济价值和社会价值。
1.2K30编辑于 2023-03-06 - 来自专栏PaddlePaddle
ERNIE加持，飞桨图神经网络PGL全新升级
在2019年深度学习开发者秋季峰会上，百度对外发布飞桨图学习框架PGL v1.0正式版，历经5个月的版本迭代，PGL再度升级，发布v1.1版本，带来了最新的算法突破、全面的工业级图学习框架能力以及工业级的实践案例 综合来看，图学习框架PGL依托于飞桨再度升级，带来更多的自研算法、更加全面的框架能力。图学习作为通用人工智能算法之一，势必成为这个时代新的基础设施，赋能各行各业，助燃智能经济腾飞。
81030发布于 2020-05-04 - 来自专栏PaddlePaddle
高效NeXtVLAD在飞桨！
今天，我们将为大家介绍由飞桨官方复现并开源的另一个重要模型：NeXtVLAD。 1. 视频分类概述 视频分类是指给定一个视频片段，对其中包含的内容进行分类。 飞桨NeXtVLAD快速上手 飞桨官方实现了论文中的NeXtVLAD单模型结构，并将其开源，赶快来试试吧。 数据准备 下载2nd-Youtube-8M数据集。 想与更多的深度学习开发者交流，请加入飞桨官方QQ群：432676488 如果您想详细了解更多飞桨PaddlePaddle的相关内容，请参阅以下文档。
2.6K40发布于 2019-08-20
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号