PaddlePaddle 正在参加 2020 年度 OSC 中国开源项目评选,请投票支持!
PaddlePaddle 在 2020 年度 OSC 中国开源项目评选 中已获得 {{ projectVoteCount }} 票,请投票支持!
投票让它出道
已投票
PaddlePaddle 获得 2020 年度 OSC 中国开源项目评选「最佳人气项目」 !
PaddlePaddle 获得 2020 年度 OSC 中国开源项目评选「最佳人气项目」「最积极运营项目」 !
PaddlePaddle 获得 2020 年度 OSC 中国开源项目评选「最积极运营项目」 !
授权协议 Apache
操作系统 跨平台
软件类型 开源软件
开源组织 百度
地区 国产
投 递 者 两味真火
适用人群 未知
收录时间 2016-08-31

软件简介

PaddlePaddle  (中文名:飞桨,PArallel Distributed Deep LEarning 并行分布式深度学习)是一个深度学习平台,具有易用、高效、灵活和可伸缩等特点,为百度内部多项产品提供深度学习算法支持。

## CPU版本安装命令
pip install -f https://paddlepaddle.org.cn/pip/oschina/cpu paddlepaddle

## GPU版本安装命令
pip install -f https://paddlepaddle.org.cn/pip/oschina/gpu paddlepaddle-gpu

PaddlePaddle 的优势:

  • 同时支持动态图和静态图,兼顾灵活性和效率
    动态图具有方便调试、高效验证业务、快速实现想法等特点, 静态图具有方便部署、运行速度快,适合进行业务应用等特点, 助您灵活、高效地进行训练和预测
  • 精选应用效果最佳的算法模型并提供官方支持
    飞桨提供70+官方模型,全部经过真实应用场景的有效验证。 基于百度多年中文业务实践,提供更懂中文的NLP模型; 同时开源多个百度独有的优势业务模型以及国际竞赛冠军算法
  • 真正源于产业实践,提供业界最强的超大规模并行深度学习能力
    飞桨是业内唯一全面支持大规模稀疏参数训练场景的开源框架, 支持千亿规模参数、数百个节点的高效并行训练

支持的特性

  • 易用性:为用户提供了直观且灵活的数据接口和模型定义接口

  • 灵活性:PaddlePaddle支持多种神经网络结构和优化算法。简单书写配置文件即可实现复杂模型,如带注意力机制或复杂记忆连接的神经机器翻译模型

  • 高效性:为充分发挥多种计算资源的效力,PaddlePaddle在计算、存储、架构、通信等多方面都做了细致优化,性能优异

  • 可伸缩性:PaddlePaddle全面支持多核、多GPU、多机环境,优化的通信实现使高吞吐与高性能成为可能,轻松应对大规模数据训练需求

PaddlePaddle 模型学习工具:PaddleHub

Paddle 内部执行流程:

Executor 设计思想:

展开阅读全文

代码

的 Gitee 指数为
超过 的项目

评论 (3)

加载中
我觉得充钱了
2020/04/10 17:58
回复
举报
这个是啥?怎么那么多票?
2020/04/07 18:03
回复
举报
#PaddlePaddle# 投了一票~~
2020/04/07 10:45
回复
举报
板凳
2019/11/16 17:06
回复
举报
更多评论
没有更多内容
加载失败,请刷新页面
点击加载更多
加载中
下一页
01/05 02:39

PaddlePaddle安装

PaddlePaddle安装过程 按照PaddleDetection中文文档安装paddle1.8.4 我的环境: Windows10 python3.7.9 pip 10.0.1 CUDA10.2 cudnn7.6.4 安装paddlepaddle python -m pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple 如果您的机器安装的是CUDA9,请运行以下命令安装 python -m pip install paddlepaddle-gpu==1.8.4.post97 -i https://mirror.baidu.com/pypi/simple 如果您的机器安装的是CUDA10,请运行以...

0
0
发表了博客
2020/04/16 09:55

PaddlePaddle/PaddleSeg

PaddleSeg 图像分割库 简介 PaddleSeg是基于PaddlePaddle开发的语义分割库,覆盖了DeepLabv3+, U-Net, ICNet, PSPNet, HRNet, Fast-SCNN等主流分割模型。通过统一的配置,帮助用户更便捷地完成从训练到部署的全流程图像分割应用。 特点 安装 使用教程 快速入门 基础功能 预测部署 高级功能 在线体验 FAQ 交流与反馈 更新日志 贡献代码 特点 丰富的数据增强 基于百度视觉技术部的实际业务经验,内置10+种数据增强策略,可结合实际...

0
0
发表了博客
2020/04/16 10:04

PaddlePaddle/PaddleFL

PaddleFL PaddleFL是一个基于PaddlePaddle的开源联邦学习框架。研究人员可以很轻松地用PaddleFL复制和比较不同的联邦学习算法。开发人员也可以从padderFL中获益,因为用PaddleFL在大规模分布式集群中部署联邦学习系统很容易。PaddleFL提供很多联邦学习策略及其在计算机视觉、自然语言处理、推荐算法等领域的应用。此外,PaddleFL还将提供传统机器学习训练策略的应用,例如多任务学习、联邦学习环境下的迁移学习。依靠着PaddleP...

0
0
2019/02/04 12:22

PaddlePaddle给您拜年啦!

本文分享 CSDN - 飞桨PaddlePaddle。 如有侵权,请联系 support@oschina.cn 删除。 本文参与“OSC源创计划”,欢迎正在阅读的你也加入,一起分享。

0
0
发表了博客
2018/01/19 17:36

PaddlePaddle tutorial

什么是PaddlePaddle PaddlePaddle,百度旗下深度学习开源平台。Paddle(Parallel Distributed Deep Learning,并行分布式深度学习)。 2016年9月27日,百度宣布其全新的深度学习开源平台PaddlePaddle在开源社区Github及百度大脑平台开放,供广大开发者下载使用。 以下内容,主要拷贝于 《PaddlePaddle系列》笔记一——PaddlePaddle的安装 blog.csdn.net/qq_33200967/article/details/79071926 安装与编译 (我的笔记本,只能用3代...

0
0
发表了博客
2020/04/16 10:02

PaddlePaddle/PaddleDetection

English | 简体中文 PaddleDetection PaddleDetection的目的是为工业界和学术界提供丰富、易用的目标检测模型。不仅性能优越、易于部署,而且能够灵活的满足算法研究的需求。 目前检测库下模型均要求使用PaddlePaddle 1.7及以上版本或适当的develop版本。 简介 特性: 易部署: PaddleDetection的模型中使用的核心算子均通过C++或CUDA实现,同时基于PaddlePaddle的高性能推理引擎可以方便地部署在多种硬件平台上。 高灵活度: Pa...

0
0
发表了博客
2020/04/16 09:57

PaddlePaddle/PALM

PaddlePALM English | 简体中文 PaddlePALM (PArallel Learning from Multi-tasks) 是一个灵活,通用且易于使用的NLP大规模预训练和多任务学习框架。 PALM是一个旨在快速开发高性能NLP模型的上层框架。 使用PaddlePALM,可以非常轻松灵活的探索具有多种任务辅助训练的“高鲁棒性”阅读理解模型,基于PALM训练的模型D-Net在EMNLP2019国际阅读理解评测中夺得冠军。 MRQA2019 排行榜 除了降低NLP研究成本以外,PaddlePALM已被应用于...

0
0
发表了博客
2020/04/16 10:04

PaddlePaddle/ElasticCTR

ElasticCTR ElasticCTR是分布式训练CTR预估任务和Serving流程一键部署的方案,用户只需配置数据源、样本格式即可完成一系列的训练与预测任务 1. 总体概览 2. 配置集群 3. 一键部署教程 4. 训练进度追踪 5. 预测服务 1. 总体概览 本项目提供了端到端的CTR训练和二次开发的解决方案,主要特点如下: 1.快速部署 ElasticCTR当前提供的方案是基于百度云的Kubernetes集群进行部署,用户可以很容易扩展到其他原生的Kubernetes环境运行...

0
0
发表了博客
2020/04/16 10:02

PaddlePaddle/PARL

English | 简体中文 文档 PARL 是一个高性能、灵活的强化学习框架。 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...

0
0
发表了博客
2020/04/16 09:54

PaddlePaddle/PGL

文档 | 快速开始 | English Paddle Graph Learning (PGL)是一个基于PaddlePaddle的高效易用的图学习框架 在最新发布的PGL中引入了异构图的支持,新增MetaPath采样支持异构图表示学习,新增异构图Message Passing机制支持基于消息传递的异构图算法,利用新增的异构图接口,能轻松搭建前沿的异构图学习算法。而且,在最新发布的PGL中,同时也增加了分布式图存储以及一些分布式图学习训练算法,例如,分布式deep walk和分布式graph...

0
0
没有更多内容
加载失败,请刷新页面
点击加载更多
加载中
下一页
2020/03/19 17:13

如何查看安装的paddlepaddle版本信息

本机安装了paddlepaddle,如何查看是什么版本信息了?包括安装路径,有命令查看吗?

2
0
发表于AI & 大数据专区
2020/06/05 11:47

求问:这一步指定name有什么用吗?

有没有大神帮忙解答下:这一步指定name有什么用吗?

1
0
2020/06/05 11:43

fluid.io.save_interference_model只能用于应用模型保存么?

我想保存训练,中断后恢复训练,应该怎么写?fluid.io.save_interference_model只能用于应用模型保存么?

1
0
发表于飞桨专区专区
2020/06/05 17:59

关于PaddlePaddle分布式训练和Serving流程化部署的问题

PaddlePaddle分布式训练和Serving流程化部署 有安装volcano到k8s集群成功的吗, .yaml 文件访问不了

1
0
2020/06/05 12:00

关于 PaddlePaddle 的异步数据读取 fluid.io.DataLoader.from_generator 的效率问题

PaddlePaddle的异步数据读取fluid.io.DataLoader.from_generator,效率不高,在语音识别deepspeech2上实用下来没法支持4块v100的训练,gpu经常处在等数据阶段,请问有什么改进建议吗?

1
0
2020/06/05 11:44

你好!用docker运行paddle server,是不是只能运行一个模型的serving

你好!用docker运行paddle server,是不是只能运行一个模型的serving,如果要切换模型,应该怎么办?

1
0
2020/06/05 11:43

这个BLOCK有个参数可以是null类型也可以是SeModule,jit编译报错null类型未找到定义

1
0
2020/06/05 11:40

这里面的参数分别是啥意思

这里面的参数分别是啥意思 acc,matthews

2
0
发表于AI & 大数据专区
2020/06/05 18:04

pyramidbox_lite_mobile_mask 模型有没有下载地址?

如题。有人知道 paddle 的 pyramidbox_lite_mobile_mask 模型在哪里可以下载吗?

2
0
发表于AI & 大数据专区
2020/06/05 17:59

paddle的AI studio显示未安装是为什么

想请问一下aistudio中 RuntimeError: Attempting to deserialize object on a CUDA device but torch.cuda.is_available() is False. 输入nvcc--version显示未安装是为何呢~3

1
0
2020/06/24 16:42

PaddleHub 模型中图像领域有哪几种类型的模型?

有奖问答「第一问」: PaddleHub 模型中图像领域有哪几种类型的模型? 【活动奖励】百度大脑AI Studio 48小时算力卡*2 / Paddle定制帆布袋*2 技术类书籍*2 【活动规则】在本帖下方回复答案,在活动结束后我们将统一进行抽奖,获奖名单将在本帖内公布; 【答题小技巧】可以在这里寻找答案哦>>>PaddleHub

5
1
发表了问答
2020/04/15 07:59

OSCHINA 首期有奖征文活动来啦!

首期「OSC 开源软件趋势榜」评选告一段落,参与者用投票的方式选出了自己想要更进一步了解的项目。 那么,根据最终投票结果,OSCHINA 社区将针对票数前十名的软件开展有奖征文活动。大家可以任选其中一款软件畅所欲言,可以是对该软件的看法、技术分析、项目经验、使用感受,或是其它相关技术分享等等。 我们希望能够通过这种方式,让更多好的开源项目进入公众视野,并与大家一同探讨开源软件的更多可能性。 参赛要求 围绕首期「...

12
6
没有更多内容
加载失败,请刷新页面
点击加载更多
加载中
下一页
3 评论
406 收藏
分享
OSCHINA
登录后可查看更多优质内容
返回顶部
顶部