PaddlePaddle

自己已经不算深度学习新手了，这次是带着女朋友一起上的百度深度学习7日入门训练营。相较于Pytorch、TensorFlow这种业内如雷贯耳的框架，paddlepaddle的名气有所差距，也还没有使用过。但正式开始上课后，此次训练营还是给了我很大的惊喜： 1. 对于深度学习零基础的同学很友好，代码间的模块性很强，很多部分不需要学习者再自行造轮子，只关心于最核心的网络构造上。后几次课主要是paddlepaddle一些更高级一点的应用了，如利用paddleDetection模块快速实现yolov3-mobilenet v1的训练以及应用于识虫工作等等，我女朋友那种没什么基础的同学也能够在短时间内把它应用起来。 2. 不得不说，免费的Tesla V100真的太香了，每天在AI studio上启动运行就能获得12h的使用时长，用了这个以后，我再也不想在自己的渣渣笔记本上玩深度学习了，所以自然也得学一学paddlepaddle啦。 3. 说说paddlepaddle，百度在其上几年的开发改进的确取得了很棒的成果，同TF2一样，都支持静态图与动态图，无论是为了学术上快速开发验证还是工业上更高效，都可应对，正好在AI studio平台上，有免费硬件资源、免费课程每天还有不少新项目添加进去，我认为还是很值得一学的。 来源： CSDN 作者： 东海鱼鱼 链接： https://blog.csdn

【飞桨开发者说】 白浩杰，鸥若教育CEO，北航软件工程硕士，美国佛罗里达国际大学高性能数据库研究中心助理研究员，百度深度学习布道师，主要研究方向深度学习、数据可视化等。 我在教授AI课程中发现，学生们学习AI的热情高涨，但是很难有一个场景能够给学员们提供一个直观的感受。 而智能货柜恰恰能够解决学员们的这个问题，为学员们提供了一个学以致用的好机会。 为了方便AI教学与普及，为学员提供看得见摸得着的真实AI体验，因此，我用深度学习技术，用了大概2个月的时间，几百行代码制作了这款“AI无人售货柜”，目前已能识别5种饮料。 在下文中，我将为大家揭秘这款“AI无人售货柜”的具体实现过程和效果。 在商场购物或餐厅就餐，经常会遇到排队结账的困扰。 如果能有无人售货装置，实现“不排队，秒收银”，完全无需人工干预，就能极大地提升结算效率，缓解结算排队拥堵的问题。 现今常见的的无人售货机，有感应式和红外扫描式两大类。 这两类无人售货机，大多集成了射频读写装置、红外扫描等多种设备，结构复杂，成本普遍较高，维护及更新换代困难。 然而，随着人工智能的发展，计算机视觉领域取得了许多超越常人的成就。 尤其是深度学习算法的引入，解决了许多实际问题。 本次，我们就突破常规，不再研究感应式和红外扫描式这两类无人结算系统，而是利用深度学习技术，结合计算机视觉，来研制一款基于计算机视觉的“AI无人售货柜”。

民以食为天，食以农为本，而农业的根本，在于农田。 有这样一群人，和农田打了一辈子交道。张磊是一名农场主，每到冬天，他家上千亩农田都会种上冬小麦。播种后的一周里他每天都要走上几万步路巡视农田查看小麦的出苗情况，遇到刮风下雨的天气他还会多巡视几遍，工作辛苦枯燥。 出苗之后，冬小麦到了返青、拔节、出穗、乳熟、成熟等关键生育期时候，巡田工作还会加倍。田是巡了，但是作物生长是否健康，只能依靠他的经验来判断。有时候看走“眼”，一大片的作物就可能废了。 在这个科技蓬勃发展的时代，他的生活里还有不少“靠天吃饭”的情况。 今年冬天，中科赛诺团队带来了一款APP——新农业家，农户在APP上就能得到种植地块信息、农作物生长情况图，更早更及时地知道作物生长情况，从而制定应对策略。通过结合中科赛诺的遥感技术和百度飞桨（PaddlePaddle）的深度学习技术，许多农户、农技专家足不出户，通过中科赛诺新农业家APP就能随时掌握天气变化数据、市场供需数据、农作物生长数据，准确判断农作物是否该施肥、浇水或打药，不仅能避免因自然因素造成的产量下降，而且可以避免因市场供需失衡给农民带来经济损失。 当耕地识别遇到AI，“地脸识别”解放工作者 构建中科赛诺新农业家APP丰富的智能农业功能的基础在于——地块管理，也就是解决农户种植过程中的第一步：知道自家的田地在哪儿、有多大面积、种植了什么作物等。

凌晨2点，年近50的张师傅接到电话，铸造厂一个熔炼炉的配料过程出了一些问题，需要他紧急算一下补救方案。 张师傅远程指导下调了三四炉，才得到了合格的结果。 2000年的时候我国的铸造已经达到世界第一的产量，但无论是质量还是在能耗方面，其实都跟先进国家有非常大的差距。 比如，铸件熔炼是铸造工厂的重要工序。 然而在中国工业4.0下，铸件熔炼还全靠人工经验，稳定性不高，工厂里有经验的老师傅也越来越少。 在熔炼领域，往往一个新手需要二十年甚至是三十年的沉淀和学习，才能做到像张师傅一样十拿九稳。 而工厂的恶劣环境、炙热的熔炼炉、不太体面的工作职称……都是年轻人将铸造业拒之门外的原因。 缺少新鲜血液的注入，铸造业真正的高精技术人才又接近退休年龄，所以，铸造厂始终面临着技术传承，工艺沉淀等问题，关于铸件质量、能耗方面也始终无法更加优化。 在百度飞桨（PaddlePaddle）的助力下，一直专注于工业人工智能的精诺数据推出精诺智能熔炼系统，用大数据、物联网、人工智能的方式解决了熔炼难题。 01 站在数据的肩膀上，人人都能成为熔炼大师 精诺数据成立于2014年，由河北工业大学教授、河北省大数据计算重点实验室副主任刘晶博士创建，精诺数据提供硬件、软件、客户服务、后台支持等智能解决方案。 作为国家高新技术企 业 、天津市博士后创新实践基地天津市战略性新兴产业领军企业，天津市技术领先型企业

自百度开源业界首个口罩人脸检测及分类模型之后，开发者社区进行了充分讨论并提出了该模型存在的一些问题和不足。在本文中，百度飞桨官方对这些反馈积极回应，同时提出四大升级方案，为开发者一一解惑。 2月13日《 百度开源业内首个口罩人脸检测及分类模型 》文章中介绍，该模型可以有效检测在密集人流区域中携带和未携戴口罩的所有人脸，同时判断是否佩戴口罩。 由于目前正值很多企业复工，口罩检测对于后续复工的安全性毋庸置疑，文章一经发出，在开发者社区引起巨大反响，截至目前发稿，百度飞桨官方技术交流 QQ 群已经达到人数上限，再加入的同学，只能加入新群。 在技术讨论群里，广大开发者针对口罩人脸检测与分类模型的技术应用展开了充分的讨论，有些开发者实战反馈，模型在实际场景下还是有一些提升空间。 比如这样，一张神秘形状的纸被判断为口罩， 再比如这样的，一个销魂的手指挡住了口鼻， 除了 badcase 本身，很多开发者还遇到了各种各样的问题，比如实际的环境很复杂，中远景模型效果还不错，但是近景就会不太理想。还有的是监控摄像头的像素分辨率，也会带来不同的判断结果。同时，更多的需求也反馈出来： 能不能开放模型的一些接口出来？ 在 PC 端，除了 python 部署，有没有高性能的 C++部署教程呀？ 如果想做视频流的检测，应该怎么办呀？ 需求很多，百度飞桨给出的答案是肯定的。 作为开源开放的深度学习平台

任务简介 EasyDL专业版平台将支持代码级的NLP任务包括文本分类任务和短文本匹配任务。同时平台集成了ERNIE2.0预训练模型，可以选择ERNIE-Base、ERNIE-Large、ERNIE-Tiny三种类型的预训练模型。 预训练模型ERNIE ERNIE 是一个从海量无监督数据中学习大量知识的超大预训练模型，通过将 ERNIE 模型中的这些知识迁移到上层特定任务相关的网络从而显著提升任务效果；基于 ERNIE 来 Finetune 特定任务就好比是站在巨人的肩膀上看世界，起点会显著高于从 0 开始训练特定任务的深度学习模型；您可以通过 ERNIE官网 查看最新动态和相关信息。 不同版本的ERNIE特点 Base 模型的网路结构主体由 12 层 transformer block 构成，此版本的预测精度、预测性能、训练速度相对均衡 Large模型拥有更大的参数量，以及更好的 Finetune 效果，Large模型网络结构主体由 24 层Transformer Block构成，此版本的预测精度突出 Tiny模型有更浅的模型，在实际真实数据中有超过4倍的预测提速，预测精度逼近Base版 文本分类 文本分类任务中，平台提供的网络有：BOW、CNN、GRU、TextCNN、LSTM、BiLSTM； 同时，平台提供了BOW、CNN、GRU、TextCNN、LSTM

目录 专业版简介 专业版使用流程 专业版产品特性 专业版简介 EasyDL专业版 是EasyDL在2019年10月下旬全新推出的针对 AI初学者 或者 AI专业工程师 的企业用户及开发者推出的AI模型训练与服务平台，目前支持视觉及自然语言处理两大技术方向，内置百度海量数据训练的预训练模型，可灵活脚本调参，只需少量数据可达到优模型效果。 适用人群 专业AI工程师且追求灵活、深度调参的企业或个人开发者 支持定制模型类型 支持视觉及自然语言处理两大技术方向 视觉 ：支持图像分类及物体检测两类模型训练 任务类型 预置算法 图像分类 Resnet(50,101)、Se_Resnext(50,101)、Mobilenet Nasnet 物体检测 FasterRCNN、YoloV3、mobilenetSSD 自然语言处理 ：支持文本分类及短文本匹配两类模型训练，内置百度百亿级数据所训练出的预训练模型ENNIE. ERNIE(艾尼）是百度自研持续学习语义理解框架，该框架可持续学习海量数据中的知识。基于该框架的ERNIE2.0预训练模型，已累计学习10亿多知识，中英文效果全面领先，适用于各类NLP应用场景。 了解ERNIE 任务类型 预置网络 文本分类 BOW、CNN、GRU、TextCNN、LSTM、BiLSTM 短文本匹配 SimNet(BOW、CNN、GRU、LSTM)、FC 序列标注 CRF

目录 一站式AI服务 高精度训练效果 丰富的服务部署方式 完善安全的数据服务 一站式AI服务 EasyDL提供围绕AI服务开发的端到端的一站式AI开发和部署平台，包括数据上传、数据标注、训练任务配置及调参、模型效果评估、模型部署，同时EasyDL面向不同用户提供了不同的训练平台，包括适用AI零基础或追求高效率开发的用户使用的经典版、适用AI初学者和AI专业用户使用的专业版、专为零售行业客户提供的零售版三种平台级方案，方便各类企业用户及个人开发者使用。 操作流程 Step 1 创建模型 确定模型名称，记录希望模型实现的功能 Step 2 上传并标注数据 分类功能的模型：在相应的分类标签下上传图片、文本、音频或视频等未标注或已标注数据。其中未标注数据支持在线标注。 检测功能的模型：上传数据后，需要在数据中标注出需要检测的具体目标 Step 3 训练模型并校验效果 选择算法、配置训练数据及其他任务相关参数完成训练任务启动。模型训练完毕后支持可视化查看模型评估报告，并通过 模型校验 功能在线上传数据测试模型效果。 Step 4 发布模型 将效果满意的模型选择训练任务版本，发布为API/设备端SDK/本地化部署/软硬一体设备。 更详细的操作指导，请参考各类模型的技术文档 高精度训练效果 EasyDL基于基于Paddle Paddle飞桨深度学习框架构建而成

目录 积分概述 积分获取 2.1 AI Studio积分获取 2.2 AI社区积分获取 积分兑换 常见问题 积分概述 Hi~all，大家期待已久的AI Studio积分上线啦！！！与AI 社区的积分也已经实现了打通，总积分包括AI 社区积分与AI Studio积分，在AI 社区个人中心以及AI Studio个人中心都可以查看自己的总积分数值。 AI Studio个人中心 AI社区个人中心 积分不光体现了您的能力与身份，更重要的是还可以兑换Mac、单反等超级大礼哦！！！日后还将开放更多专享权益给大家。 积分获取 积分获取渠道现阶段有两种，一个是在AI Studio获取，一个是在AI 社区获取，具体的获取方式如下。 AI Studio积分获取 积分提示方式： 积分获得提示均以顶部提示给出，暂时没有积分获取记录 已开放的获取方式： 1、 设置个性化头像： 首次更换头像，积分+5，上传头像完成记得保存修改信息哟~ 2、 签到奖励： 每日首次登录，在AI Studio首页顶部个人卡片右侧点击签到，周一到周五积分+1，周六周日积分+3，每日一次 。 友情提示： 需要先使用平台项目、数据集或课程等功能才能解锁签到领积分的功能哟~ 3、 项目奖励： 每日fork、创建、运行、评论、公开项目，均可获得相应积分奖励。 每日首次Fork项目： 积分+1，每日积分获取上限1分。 创建项目： 积分+1

目录 概述 算力卡申请 邀请码兑现与分享 算力卡使用 概述 AI Studio 单机项目配备工业级 NVIDIA Tesla V100 GPU资源. NVIDIA Tesla V100 是当今市场上加速人工智能、高性能计算和图形的数据中心 GPU 中的精尖之作，提供 AI 超级计算机的出色性能. 算力卡申请 百度一站式开发平台 AI Studio 重磅推出算力支持计划：豪掷1亿元免费算力，为普通开发者破除算力桎梏. 申请入口 邀请码兑现与分享 1.登录AI Studio，点击屏幕右上角个人中心. 2.在 "个人中心" 页面右侧点击 "邀请码验证". 3.输入您邮箱中获取的邀请码并点击验证. 4.如验证成功，将提示“您新获得XX算力卡，当前算力卡总额为xx.x”. 5.您还有机会获得更多的邀请码，将邀请码复制转发给同学/朋友，则有机会获得更多的算力卡. 6.查看算力卡使用明细。您可以在 "算力卡明细" 中看到每一笔算力卡的收支情况. 算力卡使用 1.新建一个单机项目，或选择一个现有的单机项目，点击 "运行项目" 即可选择使用GPU. 点击"确定"后，系统开始进行算力卡计费。算力卡计费规则：毎分钟进行计费，如不满1分钟则不计费(例如使用了1分钟50秒, 则只计算1分钟的算力卡消耗)，毎6分钟进行一次汇总，并在”算力卡明细”页面中显示消耗算力卡总数. 进入系统