登录社区云，与社区用户共同成长
邀请您加入社区
分享中，他还结合制造、材料、物流、金融、电力、教育、文化传媒等多个行业的真实落地案例，从产线智能化质检、新能源电池良率提升、智慧物流园区、金融卡证识别、电网智能巡检、教学评估到智能音箱等具体场景出发，逐一拆解了大模型与产业场景深度融合的真实路径，回答了"AI如何真正长在产业里"这一关键命题，也让在场代表对"AI如何赋能新质生产力"有了更具体、更可感的认知。活动伊始，学员们走进赋能中心展厅，由专职讲
本文深入探讨了AI模型从研发到工业落地的全链路挑战，聚焦10个典型应用场景的工程实践。针对电商推荐、工业质检、智能客服、医疗影像、语音识别等场景，分析了实时推理、动态图调试、分布式训练、模型压缩等关键技术难点，并给出基于飞桨框架的解决方案。文章强调，成功的AI落地不仅依赖算法创新，更需要构建数据治理、自动化部署和效果监控的完整工程体系，实现技术与业务的深度融合。为从实验室到生产环境的AI项目提供了
PaddlePaddle是百度开源的深度学习框架，GitHub获23K+ Star。作为工业级深度学习平台，其定位与TensorFlow、PyTorch形成差异化，侧重生产部署与中文生态支持。 核心优势包括： 工业验证：经百度广告、搜索等核心业务验证，支持大规模分布式训练与高效推理部署； 性能优化：集成MKL-DNN等加速库，针对NLP任务优化变长序列处理； 中文友好：提供完善中文文档及《Deep
按一定规则在图片上产生一系列的候选区域，然后根据这些候选区域与图片上物体真实框之间的位置关系对候选区域进行标注。跟真实框足够接近的那些候选区域会被标注为正样本，同时将真实框的位置作为正样本的位置目标。偏离真实框较大的那些候选区域则会被标注为负样本，负样本不需要预测位置或者类别。使用卷积神经网络提取图片特征并对候选区域的位置和类别进行预测。
丁卉丁卉，南京邮电大学，讲师。主要研究方向为大数据挖掘、智能交通。主持江苏省高等学校基础科学（自然科学）研究项目、南京邮电大学引进人才科研启动基金项目。hui_gmid@njupt.edu.cn。高等教育的人工智能类课程包括深度学习、数据挖掘、计算机视觉等前沿课程，课程内容涉及智能算法、复杂理论及技术应用，旨在培养学生解决实际问题的能力和创新能力，传统理论式教学显然是不适用的，以实践为主题的教学模
【代码】paddle模型推理（Python）
本次展会汇聚全球教育科技前沿成果，百度飞桨（南京）人工智能产业赋能中心应江苏省教育装备行业协会邀请，以“人工智能赋能教育”为核心主题亮相展会，通过丰富的技术展示与行业交流，为教育智能化升级贡献百度飞桨力量。AI人才培养解决方案，围绕“产教融合、工学结合”理念，构建覆盖通识教育、专业实训、产业实践的全链条培养体系，并提供公有云、私有化与混合云三种建设模式，满足不同院校在资源部署、数据安全与教学灵活性
由于我跑的是车牌识别（国内车牌号最多8位），所以我修改了max_text_length: &max_text_length 8，所以报错，改大一点，改成9就不报错了。我是在跑rec的时候报的错，跑det没有问题，证明环境没有问题，也参考了其他博主改了数据集的读取方式也没用，我也多次验证我的数据集格式没问题，路径/t标签；
PaddleOCR在Windows下的C++部署记录,支持CPU和GPU模式
摘要：本文介绍在百度飞桨AIStudio部署Streamlit项目的两种方法。对于无图片项目，需上传.py文件和requirements.txt后直接发布；对于包含图片的项目，需额外上传图片资源并解压更新。两种方式都需通过AIStudio的Streamlit应用模板创建，部署后链接有效期为3天，过期需重新发布。长期运行建议迁移至其他平台。详细步骤包括文件上传、应用创建和发布流程。
当时写这个switch的时候，差点把咖啡当眼药水滴了。先说说数据解析这部分的门道，Modbus那堆字节序转换能把人绕晕，特别是处理32位浮点数的时候。测试时发现个有意思的现象——当连续快速发送报文时，用事件队列的方式比直接处理更稳定，不容易丢包。-源码已经写好注释，接收数据和接收报文都是采用事件接收，调用非常方便，界面带有记忆功能，实时显示收发报文。-支持读写数据类型：ushort16，short
基于视觉-语言预训练框架的系统，如 OpenAI 推出的 GPT-4V（Vision 版本），以及 Google 的 Gemini 系列，都展示了在文档理解、表格解析、复杂版式分析方面的强大能力。不同于传统的级联式 OCR 模型（检测 + 识别），LightOnOCR-2-1B 强调端到端处理能力，能够直接将像素映射为结构化文本，支持多语言识别以及表格、公式等结构化内容的提取。此外，在保持 0.9
在 Deep Agents 方向，LangChain 官方也明确将其作为更适合构建复杂、多步骤智能体任务的“开箱即用”入口，提供任务规划、长上下文压缩、虚拟文件系统、子智能体协作等现代智能体能力；未来，百度文心飞桨也将继续携手 LangChain 社区及更多开发者伙伴，围绕 Deep Agents、文档智能、多模态应用等方向深化协同，共同推动智能体技术从前沿探索迈向更广泛、更扎实的现实落地。开发者
PPOCRLabel或PPOCR预测结果的4点标注，转目标检测VOC和旋转目标检测roLabelImg数据格式解决方案
没有GPU，如何训练自己的目标检测算法很多初学者想要尝试学习深度学习的时候苦于没有相应的GPU资源，而使用CPU训练任务效率又太低，所以本节内容教大家如何使用在线的免费GPU学习平台，在Ai studio上完成目标检测训练任务。项目地址：fork以后注意修改数据集配置文件内容https://aistudio.baidu.com/aistudio/projectdetail/3795143下载目标检
PaddlePaddle是百度开源的深度学习框架，支持多种硬件平台，适用于自然语言处理、计算机视觉等任务。本文介绍了使用PaddlePaddle构建简单神经网络处理MNIST手写数字分类的过程，包括环境配置、模型定义、数据预处理、训练与评估。通过10个epoch的训练，模型在测试集上表现出良好性能。PaddlePaddle以其易用性和高性能特点，成为深度学习研究和应用的重要工具。
转自AI Studio，原文链接：【AI Workshop】PaddleDetection番茄目标果检测 - 飞桨AI Studio1、项目内容随着日常饮食的逐渐丰富,以番茄为原料的食品种类也在不断地增多。在当下劳动力日渐匮乏的时代,人工采摘番茄耗时耗力,生产成本很高,应大力发展智能采摘设备,提高采摘效率。针对番茄采摘过程中,番茄果实目标识别不准确以及无法对番茄串采摘点定位的问题,开展
基于Attention U-Net的宠物图像分割
飞桨深度学习环境搭建
paddledecton文件中ppdet-utils-visualizer文件中更改，如图所示。总共检测了7个目标，不同的目标对应不同的颜色（rgb值显示）
该项目通过对大数据、智能识别、深度学习等技术的应用，针对常见林业害虫，能够通过智能巡检机器人实时识别害虫并对其分析处理，智能识别害虫种类、识别率、个数等信息，并自动进行相应的防治消杀工作。
厦大飞桨领航团作为校园AI兴趣者的聚集地，未来将持续引入百度及厦门本地的AI技术生态资源，举办更多技术沙龙、实战工作坊与创新赛事，助力每一位厦大学子成长为兼具想象力与执行力的AI人才，为校园注入持久的技术创新活力。2026年已至，百度文心大模型和飞桨将继续与厦门大学并肩，深化产教融合，拓宽交叉学科应用，孵化更多“从0到1”的创新，培养更多领航未来的AI人才。回首2025，我们见证了从一门通识课的诞
本文深入讲解了使用PaddlePaddle框架实现线性回归的完整流程，涵盖了模型定义（包括序列方式和类方式）、数据加载、模型保存（基础API和高级API）、模型加载（基础API和高级API）以及模型网络结构查看等关键步骤，旨在帮助读者全面掌握PaddlePaddle框架下线性回归的实现方法，并理解其背后的原理。同时，文章还涉及曲线拟合的理论与实践，以及多种激活函数的特性与应用，为读者构建扎实的深度
1 准备工作1.1 查询本机信息（1）GPU信息
完整的paddle 飞桨学习代码
paddlepaddle
——paddlepaddle
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
AI编程社区
全球具身智能开发者社区
AI Agent技术社区
亚马逊云科技技术品牌专区
DAMO开发者矩阵
