学术前沿推动产业实践方案升级，PaddleNLP绝了!

百度商业团队、飞桨PaddlePaddle参数服务器架构团队以及昆仑芯团队，联手实现训推一体化落地

点击左上方蓝字关注我们会议简介CSIG企业行 · 走进百度暨计算机视觉前沿研讨会将于2021年6月28日在北京举办，旨在针对计算机视觉产业应用的前沿研究领域为广大学者们、从业者们提供交流与...

海飞科（北京）科技有限公司与百度飞桨签署硬件生态共创计划合作协议，正式加入由飞桨发起的硬件生态共创计划。当前双方的合作主要基于海飞科Compass C10通用GPU芯片系列产品。

信息抽取（information extraction）是指，从非结构化或半结构化数据（如自然语言文本）中自动识别、提取并组织出结构化信息。通常包含多个子任务，例如：命名实体识别（NER）、关系抽取（RE）、事件抽取（EE）。由于任务目标的多样性（如实体、关系、事件和情感等）、文本结构的异构性（如片段、三元组、记录等）以及特定应用需求的多变性，传统的信息抽取方法往往针对特定任务或领域进行优化，难以

In[3]# 创建数据集和数据字典data_root_path='/home/aistudio/data/'def create_data_list(data_root_path):with open(data_root_path + 'test_list.txt', 'w') as f:passwith open(data_root_pat...

近日，百度飞桨深度学习框架与海光人工智能加速卡DCU系列进行了安装部署测试、基本功能测试和稳定性兼容性测试，联合测试结果显示百度飞桨深度学习框架在海光DCU系列以及海光3000、5000、...

随着模型规模的扩大，单卡显存容量无法满足大规模模型训练的需求。张量模型并行是解决该问题的一种有效手段。本文以Transformer结构为例，介绍张量模型并行的基本原理。模型并行的动机和现状我们在上一篇《数据并行：提升训练吞吐的高效方法|深度学习分布式训练专题》详细介绍了利用数据并行进行大规模分布式训练。读者不禁要问：仅仅使用数据并行，是否可以完全满足大模型训练的要求？随着...

授课讲师|毕然百度深度学习技术平台部主任架构师授课时间|每周二、周四晚20:00-21:00编辑整理|刘威威内容来源|百度飞桨深度学习集训营0导读本课程是百度官方...

近日，由深度学习技术及应用国家工程实验室与百度联合发起的AICA｜首席AI架构师培养计划第五期正式结业。经过为期半年的学习，最终来自中国石油、中国四维测绘、中国石化、霍尼韦尔、中国海油、法...