登录社区云，与社区用户共同成长
邀请您加入社区
OpenClaw的多模型支持，让用户可以根据场景灵活选择AI能力。追求性价比：DeepSeek追求中文效果：飞桨追求企业级稳定：腾讯云追求隐私安全：Ollama本地模型这篇文章只讲了核心配置方法。完整的部署教程还包含本地模型配置、多平台接入方法、性能优化建议，可以看《2026OpenClaw完全使用手册。
本文介绍了百度GAMMA挑战赛的基线解决方案，该竞赛聚焦于基于2D眼底彩照和3D OCT图像的多模态青光眼分级分类任务。系统采用双分支ResNet34架构，分别处理两种模态数据：眼底图像分支保留标准结构，OCT分支则调整输入通道以适应256层扫描数据。关键技术包括：1）针对医学影像特性的数据增强策略；2）特征级融合机制；3）以Kappa系数为核心的评估体系。实验结果表明，该方法能有效整合多模态信息
from PaddleTools.GAN import FOMimport argparsefrom config import Configparser = argparse.ArgumentParser()parser.add_argument('--config', type=str, default='default.yaml', help='config file')if __name_
最近用 PaddleOcr 和 PyQt5 写了一个 ocr 项目，打包用的 Pyinstaller，当时也是在各个开源的 ocr 库中选择了识别准确率较高的 PaddleOcr，没想到它打包会这么困难。打包时看似顺利，但一运行仍然是没完没了的报错。通过翻看各种教程和注意事项，加上自己修修改改多次尝试，耗时三天，终于是成功打包出了能够正常运行的程序。下面记录一下打包的过程以及遇到的问题。
本文介绍了PaddlePaddle分布式训练的环境部署方案。主要内容包括：1) 支持Linux系统下的CPU/GPU/XPU等多种硬件环境；2) 推荐使用Docker容器部署，多机环境建议采用Kubernetes集群管理；3) 详细说明了裸机部署和Kubernetes安装paddle-operator的步骤；4) 提供了PS和Collective两种分布式模式的配置示例；5) 针对常见问题如分布式
| 分布式训练配置复杂度 | 极简 API（如 `fleet.distributed_runner`） | 需手动管理进程组、DDP/FSDP || 国产芯片支持 | 原生优化支持昆仑芯、昇腾 | 依赖社区或厂商适配 || 自动并行支持 | 内置完整 AutoParallel 框架 | 依赖 DeepSpeed / FSDP 插件 || 动静切换体验 | 动静统一，一键转换 | 动态为主，静态需额
本文介绍了NPU环境的基础配置和PaddlePaddle在NPU上的安装方法。主要包括NPU环境了解、PaddlePaddle NPU版的安装流程、常见问题解决方案等。文中提供了部分常用命令的示例和错误排查方法，帮助开发者解决NPU相关问题。
经典模型可以满足一些简单深度学习任务的需求，然后更多情况下，需要使用深度学习框架构建一个自己的神经网络，这时可以使用飞桨框架paddle.nn下的 API 构建网络，该目录下定义了丰富的神经网络层和相关函数 API，如卷积网络相关的 Conv1D、Conv2D、Conv3D，循环神经网络相关的 RNN、LSTM、GRU 等，方便组网调用，详细清单可在API 文档中查看。使用组网：构建顺序的线性网络
构建领先AI技术与实体产业需求的快车道，推动广州重点产业智能化升级。
2023年，在大模型的浪潮下，各行各业使用AI技术的门槛被进一步降低，为AI技术创新广泛赋能产业发展提供了基础。百度依托全栈式的AI技术产品优势，推动AI产业人才培养，建设繁荣技术生态，加速AI技术在产业的规模应用。广州是国家人工智能创新应用先导区，百度AI技术生态已累计服务广州企业7747家，重点服务433家、技术伙伴23家，为广州市人工智能技术型企业提供源源不断的技术赋能支持和应用人才支持。为
paddlepaddle-gpu环境安装
在语音识别中，模型输出的结果只是单纯的文本结果，并没有根据语法添加标点符号，本教程就是针对这种情况，在语音识别文本中根据语法情况加入标点符号，使得语音识别系统能够输出在标点符号的最终结果。
ERNIE-4.5-VL-28B-A3B正是百度推出的一款多模态 MoE（Mixture of Experts）大模型，融合了图像识别、语言理解与推理能力，在多模态对话场景中表现出色。该模型拥有 28B 总参数量，但采用 MoE 架构，每次仅激活3B 参数，大幅提升推理效率和响应速度。支持包括图像描述、图文问答、多模态思维链推理（Chain-of-Thought）、结构化信息提取等多种任务，特别适
本文简单介绍了paddleocr中使用的到的正则化。# 定义正则表达式模式# 快递单号：通常是数字和字母的组合，长度可能在 10 到 20 位左右# 手机号：以 1 开头，后面跟 10 位数字# 姓名：简单假设为 2 到 4 个汉字------express_pattern = r'[A-Za-z0-9]{10,20}'：定义快递单号的正则表达式模式，匹配由 10 到 20 位的字母（大小写均可）
跨框架部署实战：CANN 如何高效运行 PaddlePaddle 与 TensorFlow 模型？
昇腾杯-变化检测赛道复赛TOP14，PRCV2021决赛排名TOP7；基于PaddleSeg修改的PaddleCD实现
5月19-21日，第一届全国数据驱动计算力学研讨会在大连召开。本次研讨会由中国力学学会主办，大连理工大学运载工程与力学学部承办，北京理工大学先进结构技术研究院协办。会议共吸引了400多位来自全国各地高校与企业的老师与学生参会，本次研讨会聚焦“数据驱动计算力学与工程科技前沿”，涵盖数据驱动计算力学的数学理论、多场多尺度分析、结构优化设计等主题，为国内外相关研究领域的学者搭建学术交流平台，展示数据驱动
除了来自飞桨框架的硬核开发任务（API易用性提升、性能优化、数据类型扩展、新IR开发等）外，还有飞桨六大套件开发任务、科学计算项目开发任务和社区孵化项目SOT开发任务。无论你是否拥有相关理论知识和开发经验，我们提供完整的开发文档和产研支持，提供云上GPU V100开发算力，为你扫清贡献障碍~一举n得，统统拿下！超多活动、超级有趣的开源社区，从这里开启你的开源贡献之旅吧！作为全球最大的代码托管平台，
初识——本人目前研究生一年级在读，开学的时候听实验室学姐介绍了百度的paddlepaddle框架，学姐参加了百度举办的人工智能大赛还拿奖了，她还送了我一张算力卡。那是我第一次听说paddlepaddle，拿到算力卡，想着就去领一下，于是在AI studio平台上注册，领取了120h的算力。相知——关注了“飞桨paddlepaddle”公众号之后，有一天看到了一个深度学习7日打卡的课程，刚好想学一.
本项目是我在参与【飞桨启航菁英计划】过程中完成的，由百度官方提供算力支持，基于百度PaddlePaddle框架对论文DGCNN进行复现，该文章属于计算机视觉中的图像分类方向。
本文基于百度FasttDeploy，在昇腾NPU上通过Paddle-Lite后端跑通Paddle OCR的主要模型。Paddle-Lite在华为昇腾上只能用静态的shape做推理。这对于文档识别就成了大问题。本文介绍了解决方法。FastDeploy中还带有表格识别和还原模块，本文j介绍了一个调用的示例代码。
飞桨模型部署的“超简单”绝非噱头，而是技术能力、场景价值与产业需求的共振。它将AI从“专家工具”转化为“生产力工具”，让中小企业也能共享技术红利。模型部署不再需要专门工程师，而成为像调用API一样自然的操作。在技术演进的长河中，真正的创新往往始于对“复杂”的拆解。飞桨的实践证明，当技术真正服务于人，而非人被技术束缚时，AI的潜力才能被彻底释放。下一步，行业需聚焦于在简化中守护精度、在便捷中筑牢安全
业界同时拥有大模型和框架的，屈指可数，大多数厂商或者框架用的是Tensorflow、PyTorch，或者没有自己的大模型。从这份会议纪要，可以看到，百度飞桨在文心一言开启邀测后，一个月内迭代4次，目前已迭代至3.5版本，在业内首创支持动态插入的分布式推理引擎，单机QPS（每秒查询率）相对线上版本提升123%。3. 模型算力利用率提升1倍：表明飞桨框架一方面与大模型的训练和部署进行协同优化，同时，框
联手PaddleFormers、Fastdeploy大模型训推引擎，基于“国产芯片+国产框架+国产大模型”的最佳实践，加速推动大模型技术在金融、教育、医疗等垂直行业的应用示范与商业化落地，以沐曦GPU为依托，通过自主GPGPU硬件与全栈软件栈，支撑国家人工智能公共算力平台、互联网、运营商、智算中心等主体，提供自主可控的稳定算力基础。聚焦金融、医疗健康、能源、教科研、交通、大文娱领域，针对各行业场景
凭借强大算力与AI软硬件协同优化，赋能千行百业
【闯关答题】试题三：中文新闻文本标题分类，面向小白的基于PaddleHub的简易实战Baseline，一起闯关答题赢免费算力和积分！
paddlepaddle
——paddlepaddle
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
龙虾开发者社区
魔珐星云开发社区
开源鸿蒙跨平台开发者社区
昇腾开源生态专区
快递鸟社区
九章云极普惠算力
AtomGit开源社区
