飞桨高层API使用指南 一、简介 二、安装并使用飞桨高层API 三、目录 四、数据集定义、加载和数据预处理 4.1 框架自带数据集使用 4.2 自定义数据集 4.3 数据增强 4.3.1 框架自带数据集 4.3.2 自定义数据集 五、模型组网 5.1 Sequential组网 5.2 SubClass组网 5.3 模型封装 5.4 模...

昇腾NPU芯片运行飞桨 昇腾NPU芯片运行飞桨 昇腾芯片是华为公司发布的人工智能处理器。Paddle当前可以支持在NPU上进行模型训练。 参考以下内容可快速了解和体验在昇腾芯片上运行飞桨： 飞桨框架NPU版安装说明 : 飞桨框架NPU版安装说明 飞桨框架NPU版训练示例 : 飞桨框架NPU版训练示例

飞桨框架ROCm版支持模型 图像分类 目标检测 更多分类 模型套件 飞桨框架ROCm版支持模型 目前Paddle ROCm版基于海光CPU(X86)和DCU支持以下模型的单机单卡/单机多卡的训练与推理。 图像分类 模型 领域 模型readme 编程范式 训练单机多卡支持 训练多机多卡支持 推理支持 ResNet50 图像分类 模型链接 ...

海光DCU芯片运行飞桨 海光DCU芯片运行飞桨 DCU（Deep Computing Unit 深度计算器）是 海光（HYGON）推出的一款专门用于AI人工智能和深度学习的加速卡。Paddle ROCm版当前可以支持在海光CPU与DCU上进行模型训练与预测。 参考以下内容可快速了解和体验在海光芯片上运行飞桨： 飞桨框架ROCm版支持模型 : ...

飞桨大规模分类库简介 简单易用，五行代码实现千万类别神经网络 安装飞桨 安装PLSC 准备模型训练配置代码，保存为train.py文件 启动训练任务 PLSC训练效果达到SOTA精度 LSC支持多机分布式训练和千万规模分类 PLSC提供从训练到部署的全流程解决方案 安装serving端和client端 通过下面的脚本部署serving端 通...

飞桨框架ROCm版预测示例 C++预测部署 Python预测部署示例 飞桨框架ROCm版预测示例 使用海光CPU/DCU进行预测与使用Intel CPU/Nvidia GPU预测相同，支持飞桨原生推理库(Paddle Inference)，适用于高性能服务器端、云端推理。当前Paddle ROCm版本完全兼容Paddle CUDA版本的 C++/...

飞桨框架ROCm版安装说明 安装方式一：通过wheel包安装 安装方式二：通过源码编译安装 如何卸载 飞桨框架ROCm版安装说明 飞桨框架ROCm版支持基于海光CPU和DCU的Python的训练和原生预测，当前支持的ROCm版本为4.0.1, Paddle版本为2.1.0，提供两种安装方式： 通过预编译的wheel包安装 通过源代码编译...

使用飞桨实现Skip-gram 数据处理 网络定义 网络训练 Skip-gram的有趣使用 使用飞桨实现Skip-gram 接下来我们将学习使用飞桨实现Skio-gram模型的方法。在飞桨中，不同深度学习模型的训练过程基本一致，流程如下： 数据处理：选择需要使用的数据，并做好必要的预处理工作。 网络定义：使用飞桨定义好网络结构，包括输...

飞桨深度学习平台设计之“道” 使用飞桨构建波士顿房价预测模型 数据处理 模型设计 训练配置 训练过程 保存并测试模型 保存模型 测试模型 作业1-6 飞桨深度学习平台设计之“道” 当读者习惯使用飞桨框架后会发现程序呈现出“八股文”的形态，即不同的程序员、使用不同模型、解决不同任务的时候，他们编写的建模程序是极其相似的。虽然这些...

飞桨框架NPU版安装说明 安装方式：通过release/2.1分支源码编译安装 环境准备 源码编译安装步骤： 飞桨框架NPU版安装说明 安装方式：通过release/2.1分支源码编译安装 环境准备 昇腾NPU 处理器: 鲲鹏920 操作系统：Linux version 4.19.36-vhulk1907.1.0.h475....