PaddlePaddle

欢迎来到PaddlePaddle的GitHub主页。

PaddlePaddle（并行分布式深度学***）是一款易用、高效、灵活且可扩展的深度学平台，由百度科学家和工程师原创开发，旨在将深度学技术应用于百度的众多产品中。

我们的愿景是通过PaddlePaddle让每个人都能使用深度学***。你可以通过发布公告了解PaddlePaddle的最新功能。

核心特性

灵活性

PaddlePaddle支持多种神经网络架构和优化算法，便于配置复杂模型，例如带注意力机制的神经机器翻译模型或复杂的记忆连接模型。

高效性

为充分释放异构计算资源的能力，PaddlePaddle从计算、内存、架构、通信等多个层面进行优化，具体包括：

• 通过SSE/AVX指令集、BLAS库（如MKL、OpenBLAS、cuBLAS）或定制的CPU/GPU内核优化数学运算；
• 基于MKL-DNN库优化CNN网络；
• 高度优化的循环网络，可处理变长序列，无需填充；
• 针对高维稀疏数据模型，优化本地和分布式训练。

可扩展性

借助PaddlePaddle，可轻松使用多CPU/GPU和多台机器加速训练，通过优化通信实现高吞吐量和性能。

与产品结合

PaddlePaddle设计之初就考虑了部署便捷性。在百度内部，PaddlePaddle已被部署到众多高用户量的产品和服务中，包括广告点击率（CTR）预测、大规模图像分类、光学字符识别（OCR）、搜索排序、计算机病毒检测、推荐系统等。它在百度产品中广泛应用并产生了显著价值，希望你也能通过PaddlePaddle为自己的产品带来助力。

安装

建议参考官网中文文档进行安装。

文档

PaddlePaddle提供中英文文档，主要资源包括：

• 《深度学入门》：可在Jupyter Notebook中运行的在线互动学书籍，适合入门；
• 分布式训练：介绍如何在MPI集群上运行分布式训练任务；
• Python API：新API支持更简洁的代码编写；
• 如何贡献代码：欢迎参与贡献，感谢你的支持！

问题反馈

欢迎通过Github Issues提交问题和bug报告。

版权与许可

PaddlePaddle基于Apache-2.0许可证开源。