飞桨PaddlePaddle

【今日推荐】：为什么一到面试就懵逼！>>> 本文作者：杨蕊1002 飞桨（PaddlePaddle）是国内唯一功能完备的端到端开源深度学习平台，集深度学习训练和预测框架、模型库、工具组件、服务平台为一体，其兼具灵活和效率的开发机制、工业级应用效果的模型、超大规模并行深度学习能力、推理引擎一体化设计以及系统化的服务支持，致力于让深度学习技术的创新与应用更简单。 从Paddle Fluid v1.0以来，飞桨致力于打造更好的用户体验，趁着百度开发者大会，也为用户精心准备了一份大礼，在开发、训练及部署全流程上进行了全新升级，发布了飞桨的五大特性。接下来小编为您一一解读。 一、动态图&静态图 - 兼具动态图和静态图两种计算图的优势 从飞桨核心框架Padlde Fluid v1.5开始，飞桨同时为用户提供动态图和静态图两种机制。静态图是先定义网络结构而后运行，对定义好的图结构进行分析，可以使运行速度更快，显存占用更低，在业务部署上线上的具有非常大的优势，为用户的AI应用落地提供高效支持。但是静态图组网和执行阶段是分开，对于新用户理解起来不太友好。 飞桨从最新版本开始，提供了更方便的动态图模式，所有操作可以立即获得执行结果，而不必等到执行阶段才能获取到结果，这样可以更方便进行模型的调试，同时还减少了大量用于构建Executor等代码，使得编写、调试网络的过程变得更加便捷

【今日推荐】：为什么一到面试就懵逼！>>> 本文作者：HelloDeveloper 嗨，大家好。这里是学术报告专栏，读芯术小编不定期挑选并亲自跑会，为大家奉献科技领域最优秀的学术报告，为同学们记录报告干货，并想方设法搞到一手的PPT和现场视频——足够干货，足够新鲜！话不多说，快快看过来，希望这些优秀的青年学者、专家杰青的学术报告 ，能让您在业余时间的知识阅读更有价值。 人工智能论坛如今浩如烟海，有硬货、有干货的讲座却百里挑一。“AI未来说·青年学术论坛”系列讲座由中国科学院大学主办，百度全力支持，读芯术作为合作自媒体。承办单位为中国科学院大学学生会，协办单位为中国科学院计算所研究生会、网络中心研究生会、人工智能学院学生会、化学工程学院学生会、公共政策与管理学院学生会、微电子学院学生会。“AI未来说·青年学术论坛”第六期“机器学习”专场已于2019年6月23日下午在中科院举行。百度胡晓光为大家带来报告《飞桨（PaddlePaddle）核心技术与应用实践》。 胡晓光，百度深度学习技术平台部主任架构师。2006年毕业于哈尔滨工业大学，2010年加入百度参与百度机器翻译方向的研发工作，2011年研发并上线了具有大数据处理能力、快速、稳定的基于统计的在线翻译系统，依托海量的互联网数据资源和自然语言处理技术，该系统的中文相关的翻译质量处于业界领先水平

本文作者：HelloDeveloper 嗨，大家好。这里是学术报告专栏，读芯术小编不定期挑选并亲自跑会，为大家奉献科技领域最优秀的学术报告，为同学们记录报告干货，并想方设法搞到一手的PPT和现场视频——足够干货，足够新鲜！话不多说，快快看过来，希望这些优秀的青年学者、专家杰青的学术报告 ，能让您在业余时间的知识阅读更有价值。 人工智能论坛如今浩如烟海，有硬货、有干货的讲座却百里挑一。“AI未来说·青年学术论坛”系列讲座由中国科学院大学主办，百度全力支持，读芯术作为合作自媒体。承办单位为中国科学院大学学生会，协办单位为中国科学院计算所研究生会、网络中心研究生会、人工智能学院学生会、化学工程学院学生会、公共政策与管理学院学生会、微电子学院学生会。“AI未来说·青年学术论坛”第六期“机器学习”专场已于2019年6月23日下午在中科院举行。百度胡晓光为大家带来报告《飞桨（PaddlePaddle）核心技术与应用实践》。 胡晓光，百度深度学习技术平台部主任架构师。2006年毕业于哈尔滨工业大学，2010年加入百度参与百度机器翻译方向的研发工作，2011年研发并上线了具有大数据处理能力、快速、稳定的基于统计的在线翻译系统，依托海量的互联网数据资源和自然语言处理技术，该系统的中文相关的翻译质量处于业界领先水平。2015年带领团队上线全球首个基于深度学习的在线翻译引擎

本文作者：杨蕊1002 飞桨（PaddlePaddle）是国内唯一功能完备的端到端开源深度学习平台，集深度学习训练和预测框架、模型库、工具组件、服务平台为一体，其兼具灵活和效率的开发机制、工业级应用效果的模型、超大规模并行深度学习能力、推理引擎一体化设计以及系统化的服务支持，致力于让深度学习技术的创新与应用更简单。 从Paddle Fluid v1.0以来，飞桨致力于打造更好的用户体验，趁着百度开发者大会，也为用户精心准备了一份大礼，在开发、训练及部署全流程上进行了全新升级，发布了飞桨的五大特性。接下来小编为您一一解读。 一、动态图&静态图 - 兼具动态图和静态图两种计算图的优势 从飞桨核心框架Padlde Fluid v1.5开始，飞桨同时为用户提供动态图和静态图两种机制。静态图是先定义网络结构而后运行，对定义好的图结构进行分析，可以使运行速度更快，显存占用更低，在业务部署上线上的具有非常大的优势，为用户的AI应用落地提供高效支持。但是静态图组网和执行阶段是分开，对于新用户理解起来不太友好。 飞桨从最新版本开始，提供了更方便的动态图模式，所有操作可以立即获得执行结果，而不必等到执行阶段才能获取到结果，这样可以更方便进行模型的调试，同时还减少了大量用于构建Executor等代码，使得编写、调试网络的过程变得更加便捷。用户可以使用更加便捷的动态图模式进行调试、训练

本文作者：杨蕊1002 不久前，2019年国际篮联篮球世界杯让这个夏天的尾巴再度燃了起来！男篮在球场上身姿飞腾，让观众不禁拿起手机，疯狂按下快门记录着肆意飞扬的热血现场。输赢不论，那些个定格在镜头中的努力身影，都是一幅幅真实的拼搏模样。而手机里，搭载了AI技术的不同照片处理功能，也为这份记忆增添了不同色彩。9月21日，百度AI快车道将再次来到深圳，这次打算和众多“图像技术”圈的小伙伴们共享福利！ 随着计算机视觉的发展，图像语义分割技术渐入被熟知，而该技术的广泛应用性也越来越备受重视。区别于图像分类与物体检测，图像语义分割的目标是给图像中的每一个像素点都标注一个标签。因此，简单理解就是要把图像中所包含的每个类别，都不多不少的从原图中标注出来——这也表达出人们对于机器在图像处理上的渴望：让计算机理解图像中的每一个像素点的语义信息，从而让计算机像人一样去看图像，理解图像。 作为图像理解的重要基石，图像语义分割技术在自动驾驶系统、无人机应用、工业质检等应用中都有着举足轻重的作用。例如，以往的工业质检环节，大多需要依靠“人眼”进行判断。以一家3C制造工厂为例，一线质检员们对着单个零件，要用细致入微的方式从十多个角度查看，平均每分钟检测19个，一天下来就是一万多个。如此高强度的工作，一方面效率低、成本高、质检质量难以保证;另一方面还容易造成员工疲累、视力损伤等问题。而随着AI向制造业渗透落地

本文作者：杨蕊1002 前一段时间网友们对中国科幻大片的讨论甚嚣尘上，而说到中国科幻大片就不得不提《流浪地球》了，片中人工智能MOSS与刘培强那句“让人类永远保持理智，确实是一种奢求”的对话令很多人印象深刻。而现实中，让机器“理解”人类语言，从而帮助人类解决诸多问题的技术，也已随着人工智能的迅速发展，落地在各个不同领域的实践中。9月22日，百度飞桨AI快车道PaddleNLP实战营登陆百度科技园，学员火热招募中！ 如今，开源深度学习工具已经十分强大，你可以“站在巨人的肩膀上”，借助成熟且合适的深度学习模型快速解决眼下问题。PaddleNLP是基于百度飞桨（PaddlePaddle）深度学习开源框架打造的领先、全面、易用的NLP开源工具集与预训练模型集，覆盖了工业应用和学术研究需求领域。 本期实战营课程，将聚焦PaddleNLP开源工具集的应用和技术讲解及实战。此次课程邀请到多位百度NLP技术大牛来进行实战指导，不仅有来自百度自然语言处理部的主任研发架构师、同时也是PaddleNLP技术负责人，还有来自百度自然语言处理部的资深研发工程师，他们将作为导师进行授课并现场答疑。同时，百度AI快车道还特地打造现场Code Live挑战，做到案例与算法紧密相扣，帮助开发者在深度学习开发过程中快速上手。 报名参与，即刻获得“工具快速上手”、“实战中学习NLP概念”、“代码全部开源”和

本文作者：杨蕊1002 飞桨博士会是由百度开源深度学习平台飞桨（PaddlePaddle）发起的中国深度学习技术俱乐部，旨在打造深度学习核心开发者交流圈，助力会员拓展行业高端人脉、交流前沿技术。俱乐部为会员制，成员皆为博士生导师或博士，且具备深度学习多年研究和实践经验。 8月31日将举办第三期线下技术沙龙，本期邀请百度大数据实验室主任浣军博士分享《AutoDL: 自动深度学习建模技术和应用》，诚邀各位加入，扫描下图二维码进行报名。 主讲人简介：浣军博士，百度大数据实验室主任，国际著名人工智能专家。历任美国堪萨斯大学电子工程和计算机系终身讲席正教授、博士生导师、美国国家科学基金委大数据学科主任。 往期回顾 飞桨博士会已成功举办两期线下技术沙龙，分别围绕NLP研究方向、CV研究方向展开技术交流。首期飞桨博士会由百度自然语言处理部主任研发架构师孙珂博士深入分享NLP技术在研发落地中的实践经验，并结合核心对话理解技术解读可定制的对话系统整体架构、方案选择思路。第二期技术沙龙则由百度视觉技术部高级工程师希滕博士分享视频理解中的生成和小型化技术，详解视频理解的算法原理、模型小型化的整体架构。 技术沙龙包含主讲人分享、分组交流、人脉拓展等环节，参会的博士们踊跃交流，现场讨论氛围热烈。 （第一期飞桨博士会沙龙现场讨论） （第二期飞桨博士会合影留念） 想与业内深度学习开发者共话技术扩展人脉

本文作者：杨蕊1002 早上起床，睡眼朦胧之时，叫声“小度小度”便能唤醒家里的智能音箱，问问它现在几点，今天天气怎么样；出国在外，也不必精通各国语言，拿着百度共享Wi-Fi 翻译机就能畅行无阻。如今，越来越多搭载AI技术的硬件产品正在“把AI带进生活”，而对于AI在硬件端的落地应用，端侧推理引擎的作用至关重要。 今年8月，百度深度学习平台飞桨(PaddlePaddle)对端侧推理引擎进行全新升级，重磅发布Paddle Lite，旨在推动人工智能应用在端侧更好落地。该推理引擎在多硬件、多平台以及硬件混合调度的支持上更加完备。这是飞桨在Paddle Mobile的基础上进行的一次大规模升级迭代。通过对底层架构设计的改进，拓展性和兼容性等方面实现显著提升。目前，Paddle Lite已经支持了ARM CPU，Mali GPU，Adreno GPU，华为NPU以及FPGA等诸多硬件平台，是目前首个支持华为NPU在线编译的深度学习推理框架。 9月21日，百度AI快车道将在百度科技园举办Paddle Lite专场活动，由百度深度学习技术平台资深架构师、百度深度学习平台系统工程师主讲，详细解读Paddle Lite的技术特点、使用方法和相关应用，同时也会通过实践，实现目标检测模型在手机上的部署，完整体验Paddle Lite在实际业务中的应用。还为学员准备了在FPGA设备上进行蔬菜识别的部署实践

本文作者：杨蕊1002 导读：飞桨(PaddlePaddle)致力于让深度学习技术的创新与应用更简单。7月初，随着Paddle Fluid 1.5版本的发布，国内业界首个视频识别与定位工具集PaddleVideo也迎来了重磅更新。PaddleVideo在实际工业界可以形成很多具体应用，包括：视频精彩片段预测、关键镜头定位、视频剪辑等任务，例如定位NBA篮球赛视频中扣篮镜头，电视剧中的武打镜头等。如下图所示： 本文末尾，为广大算法和开发同学准备了PaddleVideo模型实战的应用案例，视频剪辑、素材拼接和标题生成工作完全是程序模型自动完成的，极大地减轻了人力剪辑的工作量，效果也还不错。不过，在看具体模型具体应用之前，让我们可以先来了解一下PaddleVideo。 1. PaddleVideo是什么？ PaddleVideo是飞桨在计算机视觉领域为用户提供的模型库PaddleCV中的视频识别与定位部分的模型库。PaddleVideo的全部模型都是开源的，用户可以一键式快速配置模型完成训练和评测。 PaddleVideo目前视频分类和动作定位模型包括： 2. 重磅更新内容详解 本次重磅更新要点如下： 增加动作定位模型C-TCN，该模型是2018年ActivityNet夺冠方案。 增加已发布的模型骨干网络，Non-local模型增加ResNet101和l3d网络结构

本文作者：杨蕊1002 飞桨（PaddlePaddle）是国内唯一功能完备的端到端开源深度学习平台，集深度学习训练和预测框架、模型库、工具组件、服务平台为一体，其兼具灵活和效率的开发机制、工业级应用效果的模型、超大规模并行深度学习能力、推理引擎一体化设计以及系统化的服务支持，致力于让深度学习技术的创新与应用更简单。 从Paddle Fluid v1.0以来，飞桨致力于打造更好的用户体验，趁着百度开发者大会，也为用户精心准备了一份大礼，在开发、训练及部署全流程上进行了全新升级，发布了飞桨的五大特性。接下来小编为您一一解读。 一、动态图&静态图 - 兼具动态图和静态图两种计算图的优势 从飞桨核心框架Padlde Fluid v1.5开始，飞桨同时为用户提供动态图和静态图两种机制。静态图是先定义网络结构而后运行，对定义好的图结构进行分析，可以使运行速度更快，显存占用更低，在业务部署上线上的具有非常大的优势，为用户的AI应用落地提供高效支持。但是静态图组网和执行阶段是分开，对于新用户理解起来不太友好。 飞桨从最新版本开始，提供了更方便的动态图模式，所有操作可以立即获得执行结果，而不必等到执行阶段才能获取到结果，这样可以更方便进行模型的调试，同时还减少了大量用于构建Executor等代码，使得编写、调试网络的过程变得更加便捷。用户可以使用更加便捷的动态图模式进行调试、训练