关于 PaddlePaddle 的搜索结果,共55
来自:AI未来说*青年学术论坛-机器学习
百度胡晓光:飞桨(PaddlePaddle)核心技术与应用实践
嗨,大家好。这里是学术报告专栏,读芯术小编不定期挑选并亲自跑会,为大家奉献科技领域最优秀的学术报告,为同学们记录报告干货,并想方设法搞到一手的PPT和现场视频——足够干货,足够新鲜!话不多说,快快看过来,希望这些优秀的青年学者、专家杰青的学术报告 ,能让您在业余时间的知识阅读更有价值。 人工智能论坛如今浩如烟海,有硬货、有干货的讲座却百里挑一。“AI未来说·青年学术论坛”系列讲座由中国科学院大学主办,百度全力支持,读芯术作为合作自媒体。承办单位为中国科学院大学学生会,协办单位为中国科学院计算所研究生会、网络中心研究生会、人工智能学院学生会、化学工程学院学生会、公共政策与管理学院学生会、微电子学院学生会。“AI未来说·青年学术论坛”第六期“机器学习”专场已于2019年6月23日下午在中科院举行。百度胡晓光为大家带来报告《飞桨(PaddlePaddle)核心技术与应用实践》。 胡晓光,百度深度学习技术平台部主任架构师。2006年毕业于哈尔滨工业大学,2010年加入百度参与百度机器翻译方向的研发工作,2011年研发并上线了具有大数据处理能力、快速、稳定的基于统计的在线翻译系统,依托海量的互
来自:云平台技术和产品探讨
不懂高数也能入门深度学习--PaddlePaddle入门和实战
百度PaddlePaddle之新手入门培训视频(http://bit.baidu.com/course/detail/id/137.html)是一篇很好的机器学习的基础知识普及教程,该视频作者是百度乔龙飞,我认真学几遍以后,写了这个学习笔记。 从本文的重点也可以看到两个问题,为什么模型训练过程不可控,为什么清洗过的数据可以给外人去计算。 PaddlePaddle课程公开的链接:http://ai.baidu.com/paddlepaddle有更多PaddlePaddle学习资料请登录该网站查看。 1.学前准备 本原始视频和学习笔记的目标读者是从事IT工作,想学习AI技术的专业人员;本视频讲的就是AI基础知识,让新用户打好理论基础,并且希望通过本次视频和学习笔记,逐步将AI爱好者引导至百度PaddlePaddle开源框架。如果是非IT人员仅仅想了解行业,还是建议看《猿人的第一次直立行走》这篇文章。 本视频讲了主要这些内容: 什么是机器学习/深度学习,以及简单分类。 什么是模型。 什么是假设函数。 什么是损失函数。 (重点)梯度下降训练模型。 一个典型案例的说明和准备 (重点)数据预处理
来自:飞桨(PaddlePaddle)
一文看尽飞桨PaddlePaddle最新升级:5大优势,更低门槛使用深度学习
飞桨(PaddlePaddle)是国内唯一功能完备的端到端开源深度学习平台,集深度学习训练和预测框架、模型库、工具组件、服务平台为一体,其兼具灵活和效率的开发机制、工业级应用效果的模型、超大规模并行深度学习能力、推理引擎一体化设计以及系统化的服务支持,致力于让深度学习技术的创新与应用更简单。 从Paddle Fluid v1.0以来,飞桨致力于打造更好的用户体验,趁着百度开发者大会,也为用户精心准备了一份大礼,在开发、训练及部署全流程上进行了全新升级,发布了飞桨的五大特性。接下来小编为您一一解读。 一、动态图 静态图 - 兼具动态图和静态图两种计算图的优势 从飞桨核心框架Padlde Fluid v1.5开始,飞桨同时为用户提供动态图和静态图两种机制。静态图是先定义网络结构而后运行,对定义好的图结构进行分析,可以使运行速度更快,显存占用更低,在业务部署上线上的具有非常大的优势,为用户的AI应用落地提供高效支持。但是静态图组网和执行阶段是分开,对于新用户理解起来不太友好。 飞桨从最新版本开始,提供了更方便的动态图模式,所有操作可以立即获得执行结果,而不必等到执行阶段才能获取到结果,这样
来自:飞桨(PaddlePaddle)
业界首个视频识别与定位工具集PaddleVideo重磅更新 | 飞桨PaddlePaddle升级解读
导读:飞桨(PaddlePaddle)致力于让深度学习技术的创新与应用更简单。7月初,随着Paddle Fluid 1.5版本的发布,国内业界首个视频识别与定位工具集PaddleVideo也迎来了重磅更新。PaddleVideo在实际工业界可以形成很多具体应用,包括:视频精彩片段预测、关键镜头定位、视频剪辑等任务,例如定位NBA篮球赛视频中扣篮镜头,电视剧中的武打镜头等。如下图所示: 本文末尾,为广大算法和开发同学准备了PaddleVideo模型实战的应用案例,视频剪辑、素材拼接和标题生成工作完全是程序模型自动完成的,极大地减轻了人力剪辑的工作量,效果也还不错。不过,在看具体模型具体应用之前,让我们可以先来了解一下PaddleVideo。 1. PaddleVideo是什么? PaddleVideo是飞桨在计算机视觉领域为用户提供的模型库PaddleCV中的视频识别与定位部分的模型库。PaddleVideo的全部模型都是开源的,用户可以一键式快速配置模型完成训练和评测。 PaddleVideo目前视频分类和动作定位模型包括: 2. 重磅更新内容详解 本次重磅更新要点如下: 增加动作定
来自:飞桨(PaddlePaddle)
强力推荐!飞桨产业级PaddleCV最新全景图
导读:PaddleCV是飞桨开源的产业级CV工具与预训练模型集,提供了依托于百度实际产品打磨,能够极大地方便 CV 研究者和工程师快速应用。使用者可以使用PaddleCV 快速实现图像分类、目标检测、图像分割、视频分类和动作定位、图像生成、度量学习、场景文字识别和关键点检测8大类任务,并且可以直接使用百度开源工业级预训练模型进行快速应用于工业、农业、医疗、零售、媒体、驾驶等领域。用户在极大地减少研究和开发成本的同时,也可以获得更好的基于产业实践的应用效果。 一张图了解PaddleCV! https://github.com/PaddlePaddle/models/tree/v1.5.1/PaddleCV PaddleCV全解读 1. 图像分类 图像分类是根据图像的语义信息对不同类别图像进行区分,是计算机视觉中重要的基础问题,是物体检测、图像分割、物体跟踪、行为分析、人脸识别等其他高层视觉任务的基础,在许多领域都有着广泛的应用。如:安防领域的人脸识别和智能视频分析等,交通领域的交通场景识别,互联网领域基于内容的图像检索和相册自动归类,医学领域的图像识别等。 在深度学习时代,图像分类的准
来自: 百度技术沙龙
百度技术沙龙第67期 百度开源专场
具体的产品案例,分享百度开源技术最新实践经验。目前这些项目都已经在 github/baidu 上开源。 什么是 PaddlePaddle 深度学习平台? 首先做个简单的介绍,PaddlePaddle 是百度自主研发的性能优先、灵活易用的深度学习平台,是一个已经解决和将要解决一些实际问题的平台。目前百度有超过30个主要产品都在使用 PaddlePaddle。关于机器学习、深度学习和浅层学习的内容就不详细介绍了,接下来重点讲述一下 PaddlePaddle 的整体架构。 关于 PaddlePaddle 整体架构 说到 PaddlePaddle 的整体架构,主要从这几个方面入手:多机并行架构、多 GPU 并行架构、Sequence 序列模型和大规模稀疏训练。多机的并行架构和序列模型的实现都是实现神经网络最复杂的东西,那么具体怎么实现全连接? PaddlePaddle 是2013年启动时比较流行的架构是 Pserver 和 Trainer 的架构。在多机并行架构中数据分配到不同节点,下图里灰色部分表示机器,方框里表示一个进程,Pserver 和 Trainer 是分布在两个进程里,中间的部分
来自:深度学习实验室
词向量(二)
文章结构: 词向量 背景介绍 效果展示 模型概览 数据准备 编程实现 模型应用 总结 参考文献 模型概览 在这里我们介绍三个训练词向量的模型:N-gram模型,CBOW模型和Skip-gram模型,它们的中心思想都是通过上下文得到一个词出现的概率。对于N-gram模型,我们会先介绍语言模型的概念,并在之后的训练模型中,带大家用PaddlePaddle实现它。而后两个模型,是近年来最有名的神经元词向量模型,由 Tomas Mikolov 在Google 研发[3],虽然它们很浅很简单,但训练效果很好。 语言模型 在介绍词向量模型之前,我们先来引入一个概念:语言模型。 语言模型旨在为语句的联合概率函数P(w1,...,wT)P(w1,...,wT)建模, 其中wiwi表示句子中的第i个词。语言模型的目标是,希望模型对有意义的句子赋予大概率,对没意义的句子赋予小概率。 这样的模型可以应用于很多领域,如机器翻译、语音识别、信息检索、词性标注、手写识别等,它们都希望能得到一个连续序列的概率。 以信息检索为例,当你在搜索“how long is a football bame”时(bame是一个
来自:公告
百度大脑开放日来袭 24种全新AI能力呈现
开源深度学习平台PaddlePaddle以及通用AI能力两方面的技术和产品更新,以及百度大脑在市政、物流、教育等行业的落地案例,与开发者们进行深度交流。 更广、更快、更精的AI技术 深度学习是AI发展的燃料。百度在深度学习领域深耕已久,2016年,百度开源了深度学习框架PaddlePaddle。此次,PaddlePaddle迎来两方面重大更新,核心框架Paddle Fluid v1.3新增发布业界首个视频分类模型库,新增支持NLP语义表示BERT模型,分布式训练性能大幅提升,大规模稀疏参数服务器Benchmark发布;同时,基于PaddlePaddle的深度强化学习框架PARL,夺冠NeurIPS 2018。具有高灵活性和可扩展性,支持可定制的并行扩展,覆盖DQN、DDPG、PPO、A3C等主流强化学习算法. 目前,百度PaddlePaddle已对外开放超过50种经过工业场景验证的官方模型,例如,领邦利用PaddlePaddle,通过ICNet语义分割模型识别精密零件瑕疵,实现零件自动分拣。 在深度学习基础之上,百度大脑通用AI能力开放涵盖语音、视觉、自然语言处理、知识图谱等全面AI技
来自:深度学习实验室
个性化推荐(一)
给用户所感兴趣商品的相似商品;缺点是对于没有任何行为的新用户同样存在冷启动的问题。 组合推荐[5](Hybrid Recommendation):运用不同的输入和技术共同进行推荐,以弥补各自推荐技术的缺点。 近些年来,深度学习在很多领域都取得了巨大的成功。学术界和工业界都在尝试将深度学习应用于个性化推荐系统领域中。深度学习具有优秀的自动提取特征的能力,能够学习多层次的抽象特征表示,并对异质或跨域的内容信息进行学习,可以一定程度上处理个性化推荐系统冷启动问题[6]。本教程主要介绍个性化推荐的深度学习模型,以及如何使用PaddlePaddle实现模型。 效果展示 我们使用包含用户信息、电影信息与电影评分的数据集作为个性化推荐的应用场景。当我们训练好模型后,只需要输入对应的用户ID和电影ID,就可以得出一个匹配的分数(范围[0,5],分数越高视为兴趣越大),然后根据所有电影的推荐得分排序,推荐给用户可能感兴趣的电影。 Input movie_id: 1962 Input user_id: 1 Prediction Score is 4.25 模型概览 本章中,我们首先介绍YouTube的视频
来自:深度学习实验室
个性化推荐(二)
。 总结 本章介绍了传统的个性化推荐系统方法和YouTube的深度神经网络个性化推荐系统,并以电影推荐为例,使用PaddlePaddle训练了一个个性化推荐神经网络模型。个性化推荐系统几乎涵盖了电商系统、社交网络、广告推荐、搜索引擎等领域的方方面面,而在图像处理、自然语言处理等领域已经发挥重要作用的深度学习技术,也将会在个性化推荐系统领域大放异彩。 参考文献 P. Resnick, N. Iacovou, etc. “GroupLens: An Open Architecture for Collaborative Filtering of Netnews”, Proceedings of ACM Conference on Computer Supported Cooperative Work, CSCW 1994. pp.175-186. Sarwar, Badrul, et al. "Item-based collaborative filtering recommendation algorithms." Proceedings of the 10th international
来自:飞桨(PaddlePaddle)
不用再找换脸教程了,飞桨PaddleGAN帮你“一键”搞定
前几天量子位发布的一篇文章中曾提到国外的AI捏脸应用FaceApp引发大量关注。它能让人一键变成老人,一键返老还童,一键由男变女,一键破涕为笑,一键失去头发…… 福布斯报道说,它在Google Play的下载量已经超过了1亿。 苹果用户也同样热情,App Annie数据显示,目前在121个国家的iOS商店排名第一。 看起来,这是一种神奇的黑科技,但是实际上,揭开神秘的面纱,技术本身并非遥不可及。从GAN的角度来探索解决这类问题,能做到什么样呢? 现在,飞桨核心框架Paddle Fluid v1.5宣布开源了PaddleGAN图像生成库,为用户提供易上手的、一键式可运行的GAN模型。 飞桨(PaddlePaddle)致力于让深度学习技术的创新与应用更简单。生成式对抗网络(GAN)近年来被广泛应用于无监督学习任务以及生成任务中,通过让两个神经网络相互博弈的方法进行学习,常用于生成以假乱真的图片、影片、三维物体模型等。欢迎大家来体验~ 下面送上真·干货(附代码)! 1.效果实测 以下效果均采用百度与哈工大联合开发的STGAN模型在飞桨开源的实现 看到标签是“Bald”的变脸照片,是不是很多
TOP