PaddlePaddle

要说生活里最常见、最便民的AI应用技术，OCR（Optical Character Recognition，光学字符识别）当属其中之一。寻常到日常办理各种业务时的身份证识别，前沿到自动驾驶车辆的路牌识别，都少不了它的加持。作为一名开发者，各种OCR相关的需求自然也少不了：卡证识别、票据识别、汽车场景、教育场景文字识别…… OCR领域向来开源repo比较少，大部分核心算法用在了商业化产品。今年算是OCR开源领域的丰收年，chineseocr_lite，easyocr，以及百度 飞桨 推出的 Paddle OCR先后横空出世。 ​ 确实喜大普奔 对于OCR方向开发者而言，开源repo最吸引人的莫过于： ① 高质量的预训练模型 ② 简单易上手的训练代码 ③ 好用无坑的部署能力 简单对比一下目前主流OCR方向开源repo的核心能力 ​ 对于 语种方面 ，easyOCR的优势在于多语言支持，非常适合有小语种需求的开发者； 从 预训练模型 来看，easyOCR目前暂无超轻量模型，chineseocr_lite最新的模型是10M左右，而 Paddle OCR提供的8.6M是 目前业界已知最轻量的 ； 对于 部署方面 ，easyOCR模型较大不适合端侧部署，Chineseocr_lite和 Paddle OCR都具备端侧部署能力； 对于 自定义训练 ，实际业务场景中，预训练模型往往不能满足需求

无数渠道来源的大量信息喷涌而来，如何准确辨识真假？ 各路观点混杂，如何迅速抓住重点，进行是非观点判断？ 随着5G时代的进一步提速，百度、知乎、微博、公众号、百家号等信息渠道的越来越丰富，人们在获取信息更方便和获取信息量激增的同时，也面临着信息质量良莠不齐、观点驳杂的情况，如何对信息进行是非观点极性判断成为了AI技术亟需解决的基础问题。 在此背景之下，百度将聚焦于预测答案段落摘要中所表述的是非观点极性，举办百度人工智能开源大赛。该赛事是在北京市政府、中关村科技园区管理委员会的指导下，百度联合中国人工智能产业发展联盟等单位依托2020AIIA人工智能开发者大会举办的专项赛事。 据大赛组委会介绍，本次大赛旨在为研究者和开发者提供学术和技术交流的平台，鼓励初创企业、企业开发者、高校科研人员及学生进一步提升机器阅读理解的研究水平，推动语言理解和人工智能领域技术和应用的发展。 8月10日，百度人工智能开源大赛正式启动，目前进入火热报名阶段。 以”是非观点极性判断”为主题的开发者大赛 面向观点型问题的机器阅读理解源于真实的应用场景：在智能搜索问答等产品中，针对用户输入的观点型问题，搜索引擎首先会检索相关候选文档，然后从候选文档中抽取出能够回答用户问题的答案段落摘要，最后给出答案段落摘要所包含的是非观点。 百度将在大赛全程提供技术支持， 飞桨 PaddlePaddle

AI studio 平台各类问题详解 paddle安装问题 算力卡的兑换 课程在哪里，怎么进入课程 怎么添加课程 课节在哪里怎么开始学习 录播课程在哪里学习（回看） AI studio平台 哔哩哔哩平台 作业说明 作业在哪里？ 作业内容、要求在哪里怎么查看 运行环境（怎么做作业） 提交作业 关闭作业环境 特殊情况 需要重新获得原始作业 其他无法生成版本等情况 大家好这里是课程助教给大家带来的各类问题解析，关于基础问题在这里都会有解答，大家可以通过上面的目录进行查看 paddle安装问题 paddle飞桨安装步骤，安装问题，安装说明，使用教程，戳链接： https://www.paddlepaddle.org.cn/install/quick 根据需要进行查看。 算力卡的兑换 第一步： 进入AI studio页面点击头像 第二步： 点击个人中心 第四步： 点击算力卡管理 第五步： 点击邀请验证码 第六步： 输入32位邀请码点击验证即可 课程在哪里，怎么进入课程 第一步： 进入网页： https://aistudio.baidu.com/aistudio/index 第二步： 点击登录，根据自己实际情况选择合适账号登录AI studio 平台 第三步： 点击课程查看本人课程界面 第四步： 查看课程，根据自己感兴趣的进行学习，点击我的课程查看自己已经加入课程并开始学习。 第五步：

【故事的开始…】 小张是一名AI算法攻城狮，听闻 飞桨 乃国产开源深度学习框架之光，心想炎黄子孙当自强，用自己的深度学习框架，实现中国的AI梦…… 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 ​ 他尝试在的笔记本上使用 飞桨 搭建线性回归示例模型。 ​ 噼里啪啦…噼里啪啦…键盘敲的热血澎湃。跑下试试…… ​ 然而，模型的打印结果让小张满怀期待的小心情顿时哇凉哇凉的。 ​ 丹还没炼成，炉咋就坏了呢？这铺天盖地的error，要怎么分析和处理？ ​ 【故事的转折…】 同学且慢，经官方鉴定，小张大概率使用的是较早版本的 飞桨 ， 飞桨 开源框架1.7及之后版本断然不会出现这么繁杂的报错信息了。 ​ 这是因为 飞桨 工程师们一直期望产品不但好用，而且易用，可以给开发者带来一点点工作上的愉悦。报错信息对调试分析至关重要， 飞桨 工程师也一直在持续地进行改进和优化。 ​ 解读最新的 飞桨 报错信息 飞桨 报错信息总体上分为两种：一种是直接在Python层拦截报出的错误

1. Model Log 介绍 Model Log 是一款基于 Python3 的轻量级机器学习(Machine Learning)、深度学习(Deep Learning)模型训练评估指标可视化工具，与 TensorFlow、Pytorch、PaddlePaddle结合使用，可以记录模型训练过程当中的 超参数、Loss、Accuracy、Precision、F1值等，并以曲线图的形式进行展现对比 ，轻松三步即可实现。 GitHub项目地址： https://github.com/NLP-LOVE/Model_Log 通过调节超参数的方式多次训练模型，并使用 Model Log 工具进行记录，可以很直观的进行模型对比，堪称调参神器。以下是使用工具后模型训练时 Loss 的变化曲线图。访问线上体验版： http://mantchs.com/model_log.html 通过上图可以很清晰的看出两个模型的训练效果，而且在表格当中高亮显示修改过的超参数，方便进行模型分析。 2. Model Log 特性 轻量级、无需任何配置、极简API、开箱即用。 只需要把模型的超参数和评估指标数据通过API添加即可，轻松三步即可实现。 高亮显示修改过的超参数，方便进行模型分析。 自动检测和获取正在训练的模型数据，并进行可视化，无需人工参与。 使用 SQLite 轻量级本地数据库存储，可供多个用户同时使用

最近热播的国产剧《隐秘的角落》你看了吗？作为剧中的角色，朱朝阳在愉快玩耍的同时还保证了学习质量，堪称时间管理的鬼才。 相比之下，在现实生活中能和朱朝阳“时间管理大法”进行抗衡的，那程序员们必须拥有姓名。他们每天不仅要忙着模型搭建、项目部署，还要挤出时间学习新技术以免被“后浪”赶超，连做梦的时候都有各种“惊吓”考验，他们到底是如何进行时间管理的？ 掌握AI快车道系列课程，高效操作省时省空间 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 程序员时间管理第一步： 瞄准优质课程，利用空余时间学习新技术应用 。百度企业深度学习实战营——AI快车道，携手百度多位人工智能领域的技术大神“成团出道”，面向企业、开发者开设专题课程，帮助开发者利用空余时间增长技术经验，获得BUFF加成。 目前AI快车道已开设了聚焦CV与推理部署方向的两大专题课程。CV系列专题课程基于 飞桨 开源的产业级CV工具与预训练模型集—— PaddleCV ，百度高工带领大家围绕计算机视觉的 图像分类、目标检测

1. Model Log 介绍 Model Log 是一款基于 Python3 的轻量级机器学习(Machine Learning)、深度学习(Deep Learning)模型训练评估指标可视化工具，与 TensorFlow、Pytorch、PaddlePaddle结合使用，可以记录模型训练过程当中的 超参数、Loss、Accuracy、Precision、F1值等，并以曲线图的形式进行展现对比 ，轻松三步即可实现。 GitHub项目地址： https://github.com/NLP-LOVE/Model_Log 通过调节超参数的方式多次训练模型，并使用 Model Log 工具进行记录，可以很直观的进行模型对比，堪称调参神器。以下是使用工具后模型训练时 Loss 的变化曲线图。访问线上体验版： http://mantchs.com/model_log.html 通过上图可以很清晰的看出两个模型的训练效果，而且在表格当中高亮显示修改过的超参数，方便进行模型分析。 2. Model Log 特性 轻量级、无需任何配置、极简API、开箱即用。 只需要把模型的超参数和评估指标数据通过API添加即可，轻松三步即可实现。 高亮显示修改过的超参数，方便进行模型分析。 自动检测和获取正在训练的模型数据，并进行可视化，无需人工参与。 使用 SQLite 轻量级本地数据库存储，可供多个用户同时使用

​作为深度学习小白一枚，从一开始摸索如何使用深度学习框架，怎么让脚本跑起来，到现在开始逐步读懂论文，看懂模型的网络结构，按照 飞桨 官方文档进行各种模型训练和部署，整个过程遇到了无数问题。非常感谢 飞桨 开源社区的大力支持，并热情答复我遇到的各种问题，使得我可以快速上手。特整理本篇学习笔记，以此回馈网友们的无私付出。大家都共享一点点，一起为深度学习的推进添砖加瓦（哈哈，非常正能量，有木有！） 这篇文章详细记录了如何使用百度深度学习平台—— 飞桨 进行SSD目标检测模型的训练、以及如何将模型部署到服务器和移动端。文末给出了笔者认为非常有用的资料链接。 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 本文的代码基于百度AI Studio官方示例代码，并能够在 飞桨 1.7.1上跑通，Python版本是3.7。 SSD模型介绍 如果你对经典的CNN模型比较熟悉的话，那么SSD也并不难理解。SSD大体上来说是 将图片分为6种不同大小的网格，找到目标中心的落点，确定物体的位置

一入深度学习”深“似海，升级打怪的路上充满荆棘与挑战，尽管完整的深度学习流程很清晰，但其中数据清洗验证，特征提取，模型训练、测试、部署，计算资源配置、管控等每一项过程都需要系统性的高质量操作才能让模型更准确。 然而，当你排除万难搭建好网络，系统却可能在部署环节上亮起了红灯！ 今晚 19:00 ，B 站 飞桨 开发者说 Live 系列直播间，小伙伴们的救星来咯，不仅会有 Paddle Serving 和 Paddle Lite 部署过程的详细讲解，更有实际应用案例解析，帮助小伙伴们使用成功完成模型训练的同时，还能收获该模型的推理服务，大大提升深度学习模型的落地效率！ 分享主题 《 飞桨 模型部署不完全指南》 直播时间：8月19日 19:00-20:00 直播方式： 飞桨 PaddlePaddle B 站直播间（扫码入群获取直播链接） 飞桨 开发者说 Live・每周三晚七点 每周三晚上， 飞桨 开发者说 Live，和全球人工智能开发者一起丰富技能，扫描上方二维码加入直播交流群，除了可以直接和分享嘉宾交流，了解更多技术踩坑破解诀窍，更有精彩互动和礼品不容错过哟，勇敢的少年啊，快去创造奇迹！ PPDE 百度 飞桨 开发者技术专家 本次的分享嘉宾，是来自百度 飞桨 社区的 PPDE，在未来每周三的直播中，我们将会看到更多 PPDE 的身影，与大家分享自己在项目实践过程中的经验和思考。

　　机器之心整理 　　 参与：蛋酱、小舟 　　 一堂为期三小时的手把手 AI 开发教学课程，让开发者学到了什么？ 　　 　　2020 年，人工智能技术进入商业化落地的全新阶段。对于入门不久的初级开发者或者转型中小企业来说，如何最轻松、最高效地进行 AI 开发和部署？ 　　2020 世界人工智能大会云端峰会是由上海市政府打造的国际顶级人工智能会议，于 7 月 9 日正式开幕。「开发者日」作为 WAIC 云端峰会主题论坛及特色活动，也是 WAIC 期间唯一面向 AI 开发者的专业活动。 　　在 7 月 11 日上午举行的 2020 WAIC「开发者日百度公开课」上，机器之心联合百度为开发者们提供了一堂 3 小时极致学习课程，来自百度 AI 的四位工程师为大家带来了从 NLP、CV 到零门槛 AI 开发平台 EasyDL 的实战经验分享。 　　本文对此次公开课的核心内容进行了整理，感兴趣的小伙伴可通过文后视频学习。 　　 如何使用 UNIT 搭建智能对话系统 　　首先是百度资深研发工程师、UNIT 平台的技术负责人孙叔琦讲述「如何使用 UNIT 平台搭建智能对话系统」。 　　 1.UNIT 平台技术与服务全景 　　 　　UNIT 平台技术与服务全景。 　　最底层的核心技术平台包含了知识建设与管理能力、预置技能与资源、核心任务式理解、对话系统框架层面的技术，以及语音和语义一体化集成技术