PaddlePaddle

一、创建项目 （1）进入到https://aistudio.baidu.com/aistudio/projectoverview/public （2）创建项目 点击添加数据集：找到这两个 然后创建即可。 会生成以下项目： 二、启动环境，选择GPU版本 然后会进入到以下界面 选择的两个压缩包在/home/aistudio/data/下，先进行解压： !unzip /home/aistudio/data/data15067/ fruit.zip !unzip /home/aistudio/data/data15072/PaddleDetec.zip 之后在左边文件夹就可以看到解压后的内容了： 三、查看fruit-detection中的内容： 其实是类似pascal voc目标检测数据集的格式 （1） Annotations 以第一个apple_65.xml为例： folder：文件夹名称 filename：图片名称 path：文件地址 size：图片的大小 object：图片中的对象名称以及其的左下角和右上角的坐标。 < annotation > < folder > train </ folder > < filename > apple_65.jpg </ filename > < path > C:\tensorflow1\models\research\object

百度于去年10月公布的基于飞桨开源深度学习平台开发的通用领域对话生成预训练模型PLATO，相关论文最近已正式被ACL 2020接收。 PLATO是业界首个基于隐空间（Latent Space）的端到端的预训练对话生成模型。据悉，该模型利用隐向量来表示对话的潜在方向，从而达到对话内容丰富度和流畅度的显著提升。针对具体的对话任务，基于PLATO可以用少量数据训练得到非常流畅的对话系统。 论文名称： PLATO:Pre-trained Dialogue Generation Model with Discrete Latent Variable 论文地址： https://arxiv.org/abs/1910.07931 预训练模型及代码： https://github.com/PaddlePaddle/Research/tree/master/NLP/Dialogue-PLATO 引言 研发开放领域（Open-Domain）的对话机器人，使得它能用自然语言与人自由地交流，这一直是自然语言处理领域终极目标之一。 对话系统的挑战非常多，其中有两点非常重要，一是大规模开放域多轮对话数据匮乏； 二是对话中涉及常识、领域知识和上下文，因此在对话回复时，存在“一对多”问题。 比如这个例子“李雷：今天好冷啊，外面风好大。”韩梅梅Bot可以怎样回复李雷呢？ A.是啊，天气预报说今天气温骤降10度呢。

随着深度学习技术的成熟和人工智能的发展，机器开始变得越来越“聪明”，越来越了解用户的喜好和习惯。 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 近年来对于NLP的研究也在日新月异的变化，有趣的任务和算法更是层出不穷，百度提出知识增强的语义表示模型 ERNIE 就是其中的佼佼者。 ERNIE 在语言推断、语义相似度、命名实体识别、情感分析、问答匹配等各类NLP中文任务上的模型效果 全面超越 Bert ，成为NLP中文任务中的主流模型， ERNIE 2.0的论文（https://arxiv.org/abs/1907.12412）也被国际人工智能顶级学术会议AAAI-2020收录。 然而在模型效果大幅度提升的同时，模型的计算复杂性也大大增加，这使得 ERNIE 在推理部署时出现延时高，推理速度不理想 的情况，给产业实践带来了极大的挑战。 ​ 飞桨 开源框架1.8版本中， Paddle Inference在算子融合、TensorRT子图集成和半精度浮点数（Float 16）加速

早在今年5月百度 飞桨 联手百度APP技术团队开源了 飞桨 前端推理引擎 Paddle .js，一时间国内Web开发的小伙伴们欢欣鼓舞，毕竟是国内首个开源的机器学习Web在线预测方案。 GitHub项目地址： https://github.com/ PaddlePaddle / Paddle .js 这款Web前端AI方案相对于Native应用，有着开发使用简单、部署方便等优势，而且推理速度也完全能够满足实时性的在线预测场景需要。前期还推出了 Paddle .js的在线直播课程，手把手的教Web开发的同学们使用Web智能化的能力。 前端变化风起云涌，不会点AI都不好意思说自己是个时髦的前端开发者，赶快点开看看吧。 Paddle .js AI快车道直播的录播地址: https://www.bilibili.com/video/BV1gZ4y1H7UA?p=6 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 Paddle .js 插件+微信小程序 = 懂AI的微信小程序

前言 很有幸参加了百度架构师手把手带你零基础实践深度学习这门课，这门课非常适合没有基础的小白，在这门课里不仅可以学习知识还可以锻炼自己的思考能力 。如果你也是一个想要学习却又没办法克制自己的小伙伴，一定要参加这门课。也可以关注百度AI Studio 里面的其他的课。来这里是最正确的决定！ 一、我的基础 我是完全的没基础。我确实上过深度学习人工智能等等课。但我一点没听，全程睡觉。大概也就是知道个名字。所以我的写代码能力为0，基础知识也为0.而我有一个最突出的不知道是优点还是缺点的特性，就是我很佛系。我什么也不会，但不为此而难过。我总是觉得人到了一定阶段就会有一定的机缘。莫强求，是你的终究是你的不是你的也得不到。近6年学习总是静不下心，学不进去，只要能玩必须玩一玩。但我却在这个夏天爱上了这门课，疯狂的喜欢上了这门课，为此我努力的克服了自己的诸多毛病，不再贪玩，认认真真学，努力的跟着课程走了下来。 二、课程最吸引我的点 1.高大上 初次进入平台就觉得很正规很高大上。平台做的超级好，各种功能特别齐全。 2.操作简单 这里面有完整的教程，特别特别的详细，所以我很快就可以上手了。这让我的自信心得到了大大的提升。而且还学会了暗黑版本，我的电脑再也不用白花花的看着不舒服了。都愿意登网页了。 3.老师同学们超级好，重点！！！ 老师讲解的特别的细致，课程有直播还要录播。直播的时候可以发弹幕，老师都会看

近日，百度视觉团队借助 Paddle Detection在计算机视觉顶会ECCV 2020 （European Conference on Computer Vision，欧洲计算机视觉国际会议）比赛中，斩获两个赛道冠军，分别是Tiny Object Detection和目标检测领域最权威的比赛COCO。 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 ​ Paddle Detection是基于 飞桨 核心框架构建的目标检测开发套件，覆盖主流目标检测算法，并提供丰富的预训练模型，帮助开发者快速搭建出各种检测任务框架，高质量完成各类目标检测任务。 Paddle Detection采用模块化设计，解耦了检测常用的组件，非常方便开发者按需组合并扩展新的算法。 ​ Paddle Detection产品结构 经过不断打磨优化， Paddle Detection的YOLO v3系列模型性能大幅增强，新增多款IoU（Interp over Union）、损失函数

【 飞桨 开发者说】顾茜，PPDE 飞桨 开发者技术专家，烟草行业开发工程师，毕业于厦门大学数学科学学院，研究方向为：人工智能在烟草行业的应用。 ​ 该项目使用WaveFlow（Github地址： https://github.com/ PaddlePaddle /Parakeet/blob/develop/examples/waveflow/train.py）作为语音合成模型示例任务，并结合Transformer TTS验证语音合成效果。 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 Parakeet是 飞桨 近期上新的语音合成套件，用于实现端到端的语音合成 。如果您使用过各类读书app或者某些浏览器、插件的朗读功能，这些都是典型的TTS（Text To Speech）场景。本项目将使用WaveFlow语音合成模型完成相关任务，并结合Transformer TTS验证语音合成效果，比如输入“Hello World”，文字转语音效果如下。 WaveFlow模型介绍

假设飞机的轮胎表面有缺陷，会产生什么后果？ 对于一架拥有成千上万个零件的航空飞机来说，轮胎表面的一点点瑕疵，也许是最不起眼的一个部分。但就是这么一个细节的瑕疵，可能会直接影响航空飞机的使用效果，甚至会给乘客带来不可挽回的损失。 在工业质检领域，一切细节都至关重要。 而人工质检，在精度和效率都难以跟上现代化工业的发展。随着深度学习技术的逐步成熟，也为目标检测注入了新鲜血液。如今图像分类和目标检测技术已被广泛应用于工业质检、智能导航、视频监控等各个领域。 关于瑕疵检测这个有趣又实用的技术领域，你不了解一下吗？ 来自 飞桨 社区的两位 PPDE ( 飞桨 开发者技术专家） ，分别尝试基于 Paddle Clas和 Paddle Detection 实现铝压铸件缺陷检测和热轧钢带表面缺陷分类，提升瑕疵检测的的精度和效率，并经过调试最终在测试集上的准确率达到了100%。 本周三晚上，我们把这两位 PPDE 路星奎和余志良邀请到了 飞桨 开发者说直播间，为大家分享他们实践过程与思路。从 环境搭建与数据处理、模型选择与参数配置、模型训练、模型评估到模型推理 ，全流程解析，不怕你不懂，就怕你不来~ 直播时间：9月16日 19:00-20:00 直播方式：B站（扫描下方海报二维码获取直播链接） 本次的分享两位嘉宾，都是来自百度 飞桨 社区的 PPDE（ PaddlePaddle Developers

“酒”一直在我们中华民族的传统文化中占据着不可或缺的位置，更有“无酒不成席、无酒不成礼”之说。而当今“全球酒坛”百花齐放，成千上万的酒品琳琅满目，我们如何了解这些酒的特点和它们身后的故事呢？“百瓶App”的产品研发团队就敏锐的发现了这一独特的需求，力争为“酒圈”的消费者提供更贴心、人性化的体验，并通过百度 飞桨 开源深度学习平台的助力，完成了“百瓶App”中的 “扫酒标识酒”的功能 ，让各类酒友都变成识酒达人。 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 “扫酒标识酒”基于百度 飞桨 的AI技术方案 “扫酒标识酒”功能主要用到图像分类的技术，百度 飞桨 作为源于产业实践的开源深度学习平台，在图像分类方面同样有着极其丰富的AI解决方案资源。 其中 飞桨 图像分类套件 P addleCla s 提供了丰富的图像分类模型资源 ，覆盖ResNet_vd、MobileNetV3等23种系列的分类网络结构以及对应的117个分类预训练模型，用户可根据自己的需求

懒人区:想直接安装的可以点这个链接。 ---------------------------------分割线--------------- 缘由： 在官方的Paddle-Inference-Demo中，建议Paddle版本>=1.7。 而个人能找到的资源最高的版本是Nvidia论坛的1.6.3版本的paddlepaddle-gpu。以及文档中提供的0.0.0版本（ 链接 ）。 https://forums.developer.nvidia.com/t/paddlepadd-gpu-1-6-3-for-jetson-nano-now-available/111655 在跑Demo的过程中，发现 文档中给出的版本 没有Paddle-TensorRT的功能 ，虽然可以使用GPU加速。但是总感觉有TensorRT但却用不上很膈应。 另外，Nvidia论坛放出的版本虽然支持TensorRT，但是版本低于Paddle-Inference-Demo要求的1.7以上。在查阅 1.6 和 1.7 的文档后，发现API有很大的不同。 我根据1.6.3支持的API对yolov3的demo修改后，**发现推理的结果有很大出入。**参见我在Github提的 issue 。当然，在运行过程中也会报model和lib版本不一致的错误。* 推测是不同版本支持的算子可能不一样（或者实现）？ * 而且