榜单
服务器优惠
AI论文
IT文库
-
自然语言处理的常见任务
自然语言处理的常见任务 自然语言处理的常见任务 自然语言处理是是非常复杂的领域，是人工智能中最为困难的问题之一，常见的任务如 图9 所示： 图9：自然语言处理常见任务 词和短语级任务：包括切词、词性标注、命名实体识别（如“苹果很好吃”和“苹果很伟大”中的“苹果”哪个是苹果公司？）、同义词计算（如“好吃”的同义词是什么？）等以词为研究对象的... -
Operator
Operator Operator 在飞桨（PaddlePaddle，以下简称Paddle）中，所有对数据的操作都由Operator表示 为了便于用户使用，在Python端，Paddle中的Operator被封装入 paddle.fluid.layers ， paddle.fluid.nets 等模块。 因为一些常见的对Tensor的操作可能... -
Benchmark
Benchmark 测试数据 评估指标 Benchmark 本文给出了PaddleOCR超轻量中文模型（8.6M）在各平台的预测耗时benchmark。 测试数据 从中文公开数据集ICDAR2017-RCTW 中随机采样500 张图像。该集合大部分图片是通过手机摄像头在野外采集的。有些是截图。这些图片展示了各种各样的场景，包括街景、海报、... -
概述
概述 PaddleHub是什么 PaddleHub特性 一、模型即软件 二、易用的迁移学习 三、一键模型转服务 四、自动超参优化 概述 PaddleHub是什么 PaddleHub是飞桨生态的预训练模型应用工具，开发者可以便捷地使用高质量的预训练模型结合Fine-tune API快速完成模型迁移到部署的全流程工作。PaddleHub提... -
Windows下的PIP安装
Windows下的PIP安装 一、环境准备 1.1目前飞桨支持的环境 1.2如何查看您的环境 二、开始安装 首先请您选择您的版本 根据版本进行安装 2.1 CPU版的PaddlePaddle 2.2 GPU版的PaddlePaddle 三、验证安装 四、如何卸载 Windows下的PIP安装 一、环境准备 1.1目前飞... -
通过Sub-Pixel实现图像超分辨率
通过Sub-Pixel实现图像超分辨率 一、简要介绍 二、环境设置 三、数据集 3.1 数据集下载 3.2 数据集概览 3.3 数据集类定义 3.4 PetDataSet数据集抽样展示 四、模型组网 4.1 模型封装 4.2 模型可视化 五、模型训练 5.1 启动模型训练 六、模型预测 6.1 预测 6.2 定义预测结果可视化函数 ... -
使用序列到序列模型完成数字加法
使用序列到序列模型完成数字加法 一、环境配置 二、构建数据集 三、模型组网 四、模型训练与评估 五、模型测试 六、总结 使用序列到序列模型完成数字加法 作者: jm12138 日期: 2021.01 摘要: 本示例教程介绍如何使用飞桨完成一个数字加法任务，我们将会使用飞桨提供的LSTM的API，组建一个序列到序列模型，并在随机... -
PyTorch 1.8 与 Paddle 2.0 API映射表
PyTorch 1.8 与 Paddle 2.0 API映射表 X2Paddle介绍 API映射表目录 基础操作类API映射列表 组网类API映射列表 Loss类API映射列表 工具类API映射列表 视觉类API映射列表 PyTorch 1.8 与 Paddle 2.0 API映射表 本文档基于X2Paddle 研发过程梳理了PyTor... -
人脸关键点检测
人脸关键点检测 一、简介 二、环境设置 三、数据集 3.1 数据集下载 3.2 数据集定义 3.3 数据集抽样展示 四、定义模型 4.1 模型可视化 五、训练模型 六、模型预测 6.1 验证集结果可视化 6.2 测试集结果可视化 人脸关键点检测 作者: ssz95 日期: 2021.05摘要: 本示例教程将会演示如何使用...