PLSC 正在参加 2020 年度 OSC 中国开源项目评选,请投票支持!
PLSC 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
PLSC 获得 2020 年度 OSC 中国开源项目评选「最佳人气项目」 !
PLSC 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」 !
PLSC 获得 2020 年度 OSC 中国开源项目评选「最积极运营项目」 !

软件简介

飞桨大规模分类(PLSC: PaddlePaddle Large Scale Classification)库是基于飞桨平台构建的超大规模分类库,为用户提供从训练到部署的大规模分类问题全流程解决方案。

下载安装命令

## 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

PLSC 特性

  • 支持超大规模分类:单机8张V100 GPU配置下支持的最大类别数扩大2.52倍,支持的类别数随GPU卡数的增加而增加;
  • 训练速度快:单机8张V100 GPU配置下,基于ResNet50模型的百万类别分类训练速度2,122.56 images/s, 并支持多机分布式训练和混合精度训练;
  • 支持训练训练卡数的调整:加载模型参数的热启动训练可以使用和预训练不同的GPU卡数,并自动进行参数转换;
  • base64格式图像数据预处理:提供base64格式图像数据的预处理,包括数据的全局shuffle,数据自动切分;
  • 支持自定义模型:PLSC内建ResNet50、ResNet101和ResNet152模型,并支持用户自定义模型;
  • 支持模型参数在HDFS文件系统的自动上传和下载;
  • 全流程解决方案:提供从训练到部署的大规模分类问题全流程解决方案。
展开阅读全文

代码

的 Gitee 指数为
超过 的项目

评论 (0)

加载中
更多评论
暂无内容
发表了博客
2020/04/16 10:00

PaddlePaddle/PLSC

PLSC: 飞桨大规模分类库 简介 深度学习中用于解决多分类问题的深度神经网络的最后一层通常是全连接层和Softmax的组合层,并采用交叉熵(Cross-Entropy)算法计算神经网络的损失函数。由于全连接层的参数量随着分类类别数的增长线性增长,当分类类别数相当大时,神经网络的训练会面临下面两个主要挑战: 参数量过大,超出单个GPU卡的显存容量:假设分类网络最后一层隐层的输出维度为512,那么当分类类别数为一百万时,最后一层全连...

0
0
发表了博客
2014/01/05 20:09

PLSC(Partial Least Square Correlation)偏最小二乘相关

例21-1 为了探讨小学生的生长发育指标与身体素质的相互关系,某市对小学生的体质进行了调查。现仅对84例10岁男孩的四项生长发育指标(x1~x4):肺活量、身高、体重、胸围与四项反映身体素质的指标(y1~y4):50m跑、跳高、跳远、实心球掷远 > can=read.csv('d:/can.csv')  > can=as.matrix(can) > canx=can[,1:4] #将前4列提取作为生长发育矩阵 > cany=can[,5:8] #将后4列提取作为身体素质矩阵 > zcanx=scale(canx) # ...

0
0
2020/03/30 19:36

五行代码实现千万类别分类网络,飞桨大规模分类库揭秘

“桃花一簇无开主,可爱深红爱浅红。 黄四娘家花满蹊,千朵万朵压枝低。 留连戏蝶时时舞,自在娇莺恰恰啼。” 春天来了,经过一个冬天的“窖藏”,按耐不住的小伙伴纷纷行动了起来,踏一踏满园的春色,赶一趟娇艳的花丛。 这时候带着小盆友的父母却有一个共同的烦恼,因为小盆友最爱问一个问题:“爸爸妈妈,这是什么花?”此时不要慌,拿出你的手机,打开手机百度“扫一扫”,就会看到一个“识花”的功能,一拍即可识别花的种类...

0
0
2020/04/01 22:18

五行代码实现千万类别分类网络,飞桨大规模分类库揭秘

“桃花一簇无开主,可爱深红爱浅红。 黄四娘家花满蹊,千朵万朵压枝低。 留连戏蝶时时舞,自在娇莺恰恰啼。” 春天来了,经过一个冬天的“窖藏”,按耐不住的小伙伴纷纷行动了起来,踏一踏满园的春色,赶一趟娇艳的花丛。 这时候带着小盆友的父母却有一个共同的烦恼,因为小盆友最爱问一个问题:“爸爸妈妈,这是什么花?”此时不要慌,拿出你的手机,打开手机百度“扫一扫”,就会看到一个“识花”的功能,一拍即可识别花的种类...

0
0
2020/03/23 23:11

百度飞桨聚焦6项视觉能力更新,涉及15种算法和35个预训练模型

2020年,“新基建”正给中国科技发展带来新的重大机遇,人工智能基础设施面临全面升级。深度学习框架正是推动产业智能化进阶的重要基础设施。近日,国内唯一开源开放、功能完备的深度学习开源平台——百度飞桨,在智能视觉领域实现重大升级。 下载安装命令 ## 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.c...

0
0
2020/03/23 23:05

百度飞桨聚焦6项视觉能力更新,涉及15种算法和35个预训练模型

2020年,“新基建”正给中国科技发展带来新的重大机遇,人工智能基础设施面临全面升级。深度学习框架正是推动产业智能化进阶的重要基础设施。近日,国内唯一开源开放、功能完备的深度学习开源平台——百度飞桨,在智能视觉领域实现重大升级。 此次,PaddleCV最新全景图首度曝光。其中,PaddleDetection、PaddleSeg、PaddleSlim和Paddle Lite重磅升级;全新发布3D视觉和PLSC超大规模分类2项能力。同时,PaddleCV新增了15个在产业...

0
0
发表了博客
2018/08/02 09:47

多选框全选和取消全选

<%-- Created by IntelliJ IDEA. User: Mr.Xue Date: 2017/9/17 Time: 13:50 To change this template use File | Settings | File Templates. --%> <%@ page contentType="text/html;charset=UTF-8" language="java" %> <%@ taglib prefix="c" uri="http://java.sun.com/jsp/jstl/core"%> <html> <head> <title>购物车</title> <script type="text/javascript" src="${pageContext.request.contextPath }/js/jquery-1.8.3.js">...

0
0
发表了博客
2012/11/04 00:12

jquery 接受checkbox批量删除

/*删除信息*/ $(function(){ $("#plsc").click(function(){ var idlist=""; var idCount=0; $(":checkbox[checked]").each(function(){ idlist = idlist+$(this).val()+','; idCount++; }); if(idCount==0){ alert("请选择删除对象!"); return ; } $(":checkbox[checked]").each(function(){ $("tr[id="+$(this).val()+"]").remove(); }); $.ajax({ type: "POST", url: "operate/deleteConsume!deleteConsume.action", data:"i...

0
7
2020/03/09 23:00

飞桨重磅升级:支持千万规模分类任务训练,部署能力全面提升

2020 年 2 月 27 日飞桨核心框架(以下简称Paddle)发布了1.7版本,这也是Paddle在2020年首个重大更新,下面让我们来看看具体的更新内容。 Paddle 1.7版本对框架功能层面进行了重点增强,预测部署能力全面提升,分布式训练发布PLSC支持千万规模分类任务,并对参数服务器模式进行了优化整合。对编译选项、编译依赖以及代码库进行了全面清理优化。模型库持续完善,优化了整体层次结构,增加了动态图模型实现。端到端开发套件和工具...

0
0
2020/03/02 20:26

飞桨重磅升级:支持千万规模分类任务训练,部署能力全面提升

2020 年 2 月 27 日飞桨核心框架(以下简称Paddle)发布了1.7版本,这也是Paddle在2020年首个重大更新,下面让我们来看看具体的更新内容。 Paddle 1.7版本对框架功能层面进行了重点增强,预测部署能力全面提升,分布式训练发布PLSC支持千万规模分类任务,并对参数服务器模式进行了优化整合。对编译选项、编译依赖以及代码库进行了全面清理优化。模型库持续完善,优化了整体层次结构,增加了动态图模型实现。端到端开发套件和工具...

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
暂无内容
0 评论
11 收藏
分享
OSCHINA
登录后可查看更多优质内容
返回顶部
顶部