并行分布式深度学习是一种通过将深度学习任务按数据并行、模型并行或混合并行等方式分解,并分配到多台计算机或计算节点(如CPU、GPU集群)上协同执行的技术,旨在加速大规模数据集和复杂模型的训练过程,通过并行计算提升效率、缩短训练时间,广泛应用于图像识别、自然语言处理、推荐系统、自动驾驶等领域,是应对海量数据和高复杂度模型训练挑战、推动人工智能技术规模化落地的关键支撑技术之一。
收藏数: 140
下载次数: 1115734
类型:

paddlepaddle/paddle
欢迎来到PaddlePaddle的GitHub主页。
PaddlePaddle(并行分布式深度学习)是一款易用、高效、灵活且可扩展的深度学习平台,由百度科学家和工程师原创开发,旨在将深度学习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习。你可以通过发布公告了解PaddlePaddle的最新功能。
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。
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:
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。
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。
建议参考官网中文文档进行安装。
PaddlePaddle提供中英文文档,主要资源包括:
欢迎通过Github Issues提交问题和bug报告。
PaddlePaddle基于Apache-2.0许可证开源。
以下是 paddlepaddle/paddle 相关的常用 Docker 镜像,适用于 不同场景 等不同场景:
您可以使用以下命令拉取该镜像。请将 <标签> 替换为具体的标签版本。如需查看所有可用标签版本,请访问 版本下载页面。
manifest unknown 错误
TLS 证书验证失败
DNS 解析超时
410 错误:版本过低
402 错误:流量耗尽
身份认证失败错误
429 限流错误
凭证保存错误
来自真实用户的反馈,见证轩辕镜像的优质服务