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: 139
下载次数: 1098037
状态: active
发布者: paddlepaddle
类型: 镜像
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:
探索更多轩辕镜像的使用方法,找到最适合您系统的配置方式
通过 Docker 登录认证访问私有仓库
在 Linux 系统配置镜像服务
在 Docker Desktop 配置镜像
Docker Compose 项目配置
Kubernetes 集群配置 Containerd
K3s 轻量级 Kubernetes 镜像加速
在宝塔面板一键配置镜像
Synology 群晖 NAS 配置
飞牛 fnOS 系统配置镜像
极空间 NAS 系统配置服务
爱快 iKuai 路由系统配置
绿联 NAS 系统配置镜像
QNAP 威联通 NAS 配置
Podman 容器引擎配置
HPC 科学计算容器配置
ghcr、Quay、nvcr 等镜像仓库
无需登录使用专属域名
需要其他帮助?请查看我们的 常见问题Docker 镜像访问常见问题解答 或 提交工单
免费版仅支持 Docker Hub 访问,不承诺可用性和速度;专业版支持更多镜像源,保证可用性和稳定速度,提供优先客服响应。
专业版支持 docker.io、gcr.io、ghcr.io、registry.k8s.io、nvcr.io、quay.io、mcr.microsoft.com、docker.elastic.co 等;免费版仅支持 docker.io。
当返回 402 Payment Required 错误时,表示流量已耗尽,需要充值流量包以恢复服务。
通常由 Docker 版本过低导致,需要升级到 20.x 或更高版本以支持 V2 协议。
先检查 Docker 版本,版本过低则升级;版本正常则验证镜像信息是否正确。
使用 docker tag 命令为镜像打上新标签,去掉域名前缀,使镜像名称更简洁。
来自真实用户的反馈,见证轩辕镜像的优质服务