登录社区云，与社区用户共同成长
邀请您加入社区
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。
PaddlePaddle v3.3版本实现四大突破性升级：框架性能提升25%-35%，显存占用减少30%-40%，端侧推理延迟降低10%-25%；开发易用性优化，API学习成本降低40%；强化端边云协同部署与隐私计算能力；完善大模型生态和工业、医疗等专用领域套件。该版本通过架构重构和工具链升级，显著降低深度学习技术从实验室到产业现场的应用门槛，同时构建自主可控的国产化技术生态，为实体经济数字化转型
数据为王：高质量标注数据是工业AI成败关键，建议初期投入资源做样本清洗与增强。小模型优先：工业场景更看重稳定性与实时性，而非一味追求SOTA精度。闭环迭代：建立“部署→反馈→再训练”机制，持续优化模型。人机协同：AI辅助决策，而非完全替代人工（如可疑样本交由专家复核）。飞桨通过“算法+工具+生态”三位一体，真正实现了 AI 在工厂车间的规模化落地。它不仅是技术框架，更是推动制造业智能化升级的工程化
AI视频生成技术正引领"文本即视频"的创作革命。Wan2.2-T2V-A5B模型通过融合扩散架构与多模态理解，能将文字描述直接转化为专业级视频（1024×768分辨率/24fps）。本指南详解其技术原理，并展示三大核心应用场景：1）广告创意领域可快速生成多版本视觉方案；2）教育视频实现抽象概念动态可视化；3）短视频创作实现"创意-生成-发布"全流程加速。文章
量化优先：必须用4-bit量化（INT4），16GB GPU才能承载；内存扩容：CPU内存需≥32GB，否则无法加载量化模型；混合框架：无需将模型转换为飞桨格式，直接在飞桨环境中调用PyTorch加载（AI Studio支持双框架）；控制长度：上下文窗口与生成长度不宜过长（建议≤2048+512），避免显存/内存溢出。若需长期使用，建议升级AI Studio付费版（A100 40GB显存），可直接
飞桨（PaddlePaddle）作为国产深度学习框架的代表，不仅技术成熟、生态完善，而且在中文社区支持、产业落地方面具有显著优势。无论你是AI初学者，还是希望将AI集成到实际业务中的开发者，飞桨都值得你深入了解和尝试。“始于易用，成于产业”——飞桨，让每个人都能拥抱AI。
本文提出了一种改进的AC-BIT模型用于遥感影像变化检测。针对样本不平衡问题，采用重采样和加权损失函数优化处理；通过对比实验选择ResNet34作为骨干网络，并引入空洞空间卷积模块(ASPP)和双注意力机制(CBAM)增强多尺度特征提取能力。实验结果表明，该模型在Liver-CD数据集上性能优于其他对比模型。论文系统阐述了从数据预处理、模型优化到实验验证的全过程，为遥感影像变化检测提供了有效解决方
调参是个玄学，但把握住前馈增益80%、PD参数先调D后调P的秘诀，基本能快速收敛。摘要：本文的研究对象为EEZYbotARM MK2三自由度机械臂，分析了其机械结构，建立D-H参数表，同时在MATLAB中建立该机械臂正逆运动学模型，对该机械臂进行高阶多项式插值法轨迹规划，写出复杂字。但实际调试时发现末端轨迹有抖动，果断在Simulink里加入加速度限制模块，效果立竿见影。针对系统设计了前馈控制、前
未来，赋能中心将持续深耕产业场景，与更多制造企业、生态伙伴携手同行，共同推动人工智能技术与实体经济深度融合，开创智能制造创新应用的新篇章。CTO高振宇将视角延伸至环保水务领域，分享了大模型技术在这一重大民生场景中的落地实践，进一步印证了“AI+行业”的跨界融合潜力。“人工智能+”产业发展行动这一国家战略在厦门地区的具体落地，通过技术赋能、场景创新与生态共建，汇聚政、产、学、研各方力量。案例中，传统
**摘要：**字节跳动推出的HunyuanVideo-Foley模型通过AI技术重构音效制作流程，将传统Foley制作从高成本专业团队协作（800-1500元/分钟）转变为智能化解决方案。该模型采用视觉-语义-声学三模态架构，实现视频内容到音效的精准匹配，支持12个行业场景定制化应用。核心创新包括事件理解技术（区分"玻璃破碎（意外/故意）"等细微差异）、物理模拟引擎及情感映射系
Llama 4是Meta于2025年4月发布的新一代开源多模态大语言模型（LLM）系列，包含ScoutMaverick和仍在训练中的Behemoth三个版本。混合专家（MoE）架构：首次在Llama系列中引入MoE架构，通过激活部分参数提升训练和推理效率。例如，Maverick总参数4000亿，但每次推理仅激活170亿参数。原生多模态融合：采用早期融合技术，将文本、图像、视频等数据统一处理，支持联
要么转static缺少.pdmodel文件，要么和cudnn、cuda版本各种不兼容。paddlepaddle和paddlenlp各种版本不兼容问题。paddlepaddle要升级到比较新版本。最后发现这两个版本搭配问题最少。paddlenlp千万升3.0。
近期，百度飞桨（南京）人工智能产业赋能中心正式揭牌，并启动公开试运营。据记者了解，百度飞桨与文心大模型在南京已有一定合作基础，目前累计服务4515家企业，重点赋能263家企业应用 AI。
PaddlePaddle（飞桨）是百度2016年开源的国产深度学习框架，提供从模型开发到部署的全流程支持。其核心优势包括：产业级模型库（如ERNIE系列在中文NLP领先）、动静统一开发模式、全流程部署工具链（支持多端部署）和高效分布式训练能力。特别在中文处理领域具有原生优化优势，广泛应用于NLP、CV、推荐系统等场景。作为平台级产品，PaddlePaddle凭借完整工具链、产业实践基础和中文本土化
帮了大忙，它让没有团队支持的我，也能有机会学习先进的人工智能知识。这次宝贵的开源经历不仅让我对大模型有了更深入的认识，也极大地提升了我的技术信心——只要热爱，肯钻研，不断寻找解决方法，就能完成任务！这是一次非常宝贵的实践经历，在这个过程里我逐步熟悉了企业中项目开发的版本控制、代码与文档的开发规范、PR 提交与审核及 CI 流程，并在 mentor 的指导下完成了相应任务。这段经历不仅让我熟悉了。
随着人工智能技术的迅猛发展，轻量级语言模型成为边缘设备和资源受限场景中的热门选择。百度近期推出的 **ERNIE-4.5-0.3B** 模型，在保持良好性能的同时，将参数规模控制在仅 0.36B，适用于对话、创作、问答等典型NLP任务。本篇博客将以实战为主线，介绍如何基于 **PaddlePaddle 框架** 快速安装和部署该模型，并配合 **FastDeploy** 工具，完成本地推理 API
本文介绍了基于百度飞桨平台开发中文文本分类模型的完整实战流程。首先详细说明了飞桨平台的安装配置和环境验证步骤，推荐使用GPU加速训练。接着展示了THUCNews中文新闻数据集的预处理过程，包括数据加载、标签编码、分词处理等关键环节。文章重点讲解了如何利用PaddleNLP工具高效完成文本数据的分词、编码和批量处理，并构建数据加载器。最后介绍了基于飞桨预训练模型的微调方法，为后续模型训练打下基础。整
| 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
模型部署提速已超越技术优化范畴，成为连接效率、可持续性与商业价值的枢纽。当行业从“速度数字”转向“能效价值”，部署提速便从工程问题升维为AI生态的底层逻辑。技术层面：从被动适配硬件到主动优化能效的智能部署产业层面：从单点技术突破到全价值链协同的绿色AI生态社会层面：从效率提升到碳减排的可持续发展在“双碳”目标与AI普惠化的双重驱动下，部署提速不仅是技术选择，更是产业责任。从业者需以能效为标尺重新定
本文介绍了在Kaggle平台部署百度文心4.5开源大模型的过程，包括从HuggingFace获取模型、使用transformers库进行初始推理、CPU/GPU推理的不同实现方式。文章详细记录了代码调试过程中遇到的报错问题，如NoneType对象缺少apply_chat_template属性等，并提供了官方示例代码作为解决方案。最终展示了模型成功运行的输出结果，生成了一段关于无头CMS的详细介绍文
想说爱你不容易啊，前文在rk3588中编译安装FastDeploy。出现 ImportError: libopencv_flann.so.3.4: cannot open shared object file: No such file or directory
本文系统介绍了现代AI开发工具链的三大核心模块：智能编码辅助、数据标注平台和模型训练框架。在智能编码方面，详细解析了GitHub Copilot的工作原理、代码示例和高级Prompt技巧；数据标注部分涵盖标注流程架构、开源工具实现和质量控制指标；模型训练章节则深入探讨分布式训练架构、完整平台实现和MLOps流水线。文章还提供了工具链集成方案、性能优化建议和未来趋势分析，为AI从业者呈现了一套完整的
PaddlePaddle-v3.3在2025年实现国产深度学习框架的重大突破，通过动态图性能、分布式训练和多模态处理能力30%以上的提升，构建"技术-工具-场景"闭环。其创新架构包含自适应计算图引擎等四大模块，在工业质检、医疗影像和个性化教育领域形成完整解决方案：工业质检实现99.2%准确率和毫秒级检测；医疗影像系统达到专家水平，辅助诊断超10万例；教育AI使学习效率提升40%
本文介绍了如何在LabVIEW环境中通过OpenVINO快速部署PP-OCRv5模型，解决工业场景中的文字识别难题。AIVT-OV支持低代码可视化操作，兼容多种AI框架模型，并提供检测、分类、识别全流程范例。
自动翻转卡包和拼写均已实现，剩下的点听力，阅读，语法，较为简单（如需要请自行补充代码）
paddlepaddle
——paddlepaddle
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
九章云极普惠算力
2048 AI社区
火山引擎 ADG 社区
昇腾开源生态专区
CSDN-OPC开发者社区
