Paddlepaddle Applications
PaddlePaddle is an AI platform providing optimized pre-trained NLP models like BERT and ELECTRA, applicable to diverse fields such as agriculture, healthcare, sports, machine translation, image classification, and natural language processing.
tips
you can find solutions from kaggle notebooks or aistudio notebooks. you may consider to query them conveniently in one api.
repo location (all source code can be found there)
🎉全新发布
3月31日晚8:30，飞桨产业实践范例直播课程继续开讲！！！
国内众多行业都在基于人工智能技术推进行业变革与创新，积极探寻有效、有价值的应用场景进行商业化落地。百度飞桨结合实际经验，选取了几个经典的场景，提供了从数据准备、模型训练优化，到模型部署的全流程可复用方案，降低产业落地门槛,让大家在真实数据环境下深入地了解这些案例，获取产业实现方案。
3月31日晚8:30，飞桨官方将推出 火灾烟雾检测 产业实践范例直播：
此外，还有交通、能源、金融、通信、互联网、零售及教育等等各个行业的精彩范例，大家拭目以待～
欢迎报名直播课加入交流群，如需更多技术交流与合作可扫描下面二维码：
往期案例直播回放：
一、项目简介
本项目是飞桨官方出品的一站式深度学习在线百科，飞桨致力于让深度学习技术的创新与应用更简单，更多飞桨内容欢迎访问飞桨官网。本项目内容涵盖：
📒课程类：零基础实践深度学习、产业实践深度学习、**特色课程、飞桨套件课程汇总资料**
📒书籍类：《动手学深度学习》paddle版
📒宝典类：深度学习百问、面试宝典
📒案例类：**飞桨产业实践范例库**（包含智慧城市：火灾烟雾检测、 安全帽检测 ；智能制造：钢材缺陷检测 、 机械手抓取；互联网：财报识别与关键字段抽取 等。
从理论到实践，从科研到产业应用，各类学习材料一应俱全，旨在帮助开发者高效地学习和掌握深度学习知识，快速成为AI跨界人才。
内容全面：无论您是深度学习初学者，还是资深用户，都可以在本项目中快速获取到需要的学习材料。
形式丰富：材料形式多样，包括可在线运行的notebook、视频、书籍、B站直播等，满足您随时随地学习的需求。
实时更新：本项目中涉及到的代码均匹配Paddle最新发布版本，开发者可以实时学习最新的深度学习任务实现方案。
前沿分享：定期分享顶会最新论文解读和代码复现，开发者可以实时掌握最新的深度学习算法。
如果本项目对您有帮助，欢迎点击网页右上方进行star❤️
👨🏫我是高校用户
| 我希望： | 我可以学习： |
|---|---|
| 入门深度学习 | 零基础实践深度学习:arrow_heading_down:、深度学习百问:arrow_heading_down:、动手学深度学习paddle版:arrow_heading_down: |
| 进阶深度学习 | 产业实践深度学习、深度学习百问:arrow_heading_down:、面试宝典:arrow_heading_down: |
| 趣味深度学习 | 特色课程:arrow_heading_down:、飞桨产业实践范例库 |
👷♂️我是企业用户
| 我希望： | 我可以学习： |
|---|---|
| 入门深度学习 | 零基础实践深度学习:arrow_heading_down:、深度学习百问:arrow_heading_down:、动手学深度学习paddle版:arrow_heading_down: |
| 进阶深度学习 | 产业实践深度学习、特色课程:arrow_heading_down:、面试宝典:arrow_heading_down: |
| 实践深度学习 | 飞桨产业实践范例库、飞桨各产品课程:arrow_heading_down: |
二、项目内容
👉课程类
零基础实践深度学习
- **AI Studio在线课程：[《零基础实践深度学习》](https://aistudio.baidu.com/aistudio/course/introduce/1297
)**：理论和代码结合、实践与平台结合，包含20小时视频课程，由百度杰出架构师、飞桨产品负责人和资深研发人员共同打造。
- 《零基础实践深度学习》书籍：本课程配套书籍，由清华出版社2020年底发行，京东/当当等电商均有销售。
特色课 - Transformer系列
飞桨教育官方出品的Transformer系列内容解读可以参考以下两个平台。
Transformer原理和实践系列课：https://aistudio.baidu.com/aistudio/education/group/info/24683
飞桨教育官方账号：https://aistudio.baidu.com/aistudio/personalcenter/thirdview/908086
| 领域 | 章节名称 | 课程简介 | notebook链接 |
|---|---|---|---|
| NLP | 经典的预训练语言模型(上)-预训练模型发展历史 | 介绍预训练语言模型的发展历史，word2vec，elmo，bert，gpt，bert一些拓展。 | notebook链接 |
| NLP | 经典的预训练模型(上)-ELMo | 全面详细的介绍ELMo模型结构，优缺点等。 | notebook链接 |
| NLP | 经典的预训练模型(上)-Transformer | 讲解Transformer的基本原理，包括Embedding，self-attention，encoder，decoder，复杂度计算，共享机制等内容。 | notebook链接 |
| NLP | 经典的预训练模型(下)-GPT | 全面详细的介绍GPT的原理，预训练和finetune模式，GPT模型结构，优缺点等。 | notebook链接 |
| NLP | 经典的预训练模型(下)-BERT | 全面详细的介绍BERT的基本原理，预训练任务和fine tune的方式，BERT本身的模型结构，优缺点等。 | notebook链接 |
| NLP | 预训练模型之自然语言理解-RoBERTa | 讲解预训练模型在自然语言理解方面的改进–RoBERTa | notebook链接 |
| NLP | 预训练模型之自然语言理解-ERNIE | 讲解预训练模型之自然语言理解的改进：ERNIE | notebook链接 |
| NLP | 预训练模型之自然语言理解-KBERT | 讲解预训练模型之自然语言理解的改进：KBERT | notebook链接 |
| NLP | 预训练模型之自然语言理解-THU-ERNIE | 讲解预训练模型之自然语言理解的改进：THU-ERNIE | notebook链接 |
| NLP | 预训练模型之长序列建模-Transformer-XL | 讲解预训练模型之长序列建模的改进：Transformer-XL | notebook链接 |
| NLP | 预训练模型之长序列建模-XLNet | 讲解自然语言理解之长序列建模的改进：XLNet | notebook链接 |
| NLP | 预训练模型之长序列建模-Longformer | 讲解预训练模型之长序列建模的改进：Longformer | notebook链接 |
| 模型优化 | 预训练模型-高效结构 | 基于ELECTRA的标点符号预测 | notebook链接 |
| 模型优化 | 预训练模型-蒸馏 | 预训练模型蒸馏算法：Patient-KD、DistilBERT、TinyBERT、DynaBERT模型详解，以及使用DynaBERT策略对TinyBERT进行模型蒸馏 | notebook链接 |
| CV | 图像领域的Transformer-Vit,DeiT | 详细讲解ViT 以及 DeiT原理 | notebook链接 |
| CV | 图像领域的Transformer-Swin Transformer | 详细讲解Swin Transformer原理 | notebook链接 |
| CV | CV领域的Transformer模型DETR在目标检测任务中的应用 | 详细讲解DETR原理及代码解析 | notebook链接 |
👉书籍类
《动手学深度学习》paddle版
本项目将《动手学深度学习》原书中MXNet代码实现改为PaddlePaddle实现。原书作者：阿斯顿·张、李沐、扎卡里 C. 立顿、亚历山大 J. 斯莫拉以及其他社区贡献者，GitHub地址：https://github.com/d2l-ai/d2l-zh。
本项目面向对深度学习感兴趣，尤其是想使用PaddlePaddle进行深度学习的童鞋。本项目并不要求你有任何深度学习或者机器学习的背景知识，你只需了解基础的数学和编程，如基础的线性代数、微分和概率，以及基础的Python编程。
👉宝典类
深度学习百问
深度学习百问内容包含深度学习基础篇、深度学习进阶篇、深度学习应用篇、强化学习篇以及面试宝典，详细信息请参阅Paddle知识点文档平台。
- 深度学习基础篇
- 深度学习进阶篇
- 深度学习应用篇
- 产业实践篇
- 强化学习篇
- 面试宝典
👉案例类
飞桨应用案例集
飞桨学术案例集
👉竞赛类
| 领域 | 竞赛案例 | 来源 | 介绍 |
|---|---|---|---|
| 机器学习 | 【Paddle打比赛】个贷违约预测Baseline+ 0.607 | 开发者w5688414 | DataFountain个贷违约预测，参考官方的baseline并用paddle进行改进 |
| NLP | 【Paddle打比赛】讯飞赛题—中文问题相似度挑战赛0.9+Baseline | PaddleEdu | 中文问题相似度挑战赛paddle版本Baseline，基于paddlenlp通过预训练模型的微调完成问题相似度评定任务 |
| NLP | 基于PaddleHub的疫情期间网民情绪识别 | 开发者CChan | 本项目为疫情期间网民情绪识别比赛的解决方案。使用了PaddleHub和ERNIE实现对疫情期间微博文本的情绪识别。 |
| NLP | 【Paddle打比赛】产品评论观点提取竞赛baseline | 开发者w5688414 | DataFountain基于BERT的产品评论观点提取竞赛baseline，增加了优化方法 |
| NLP | 【Paddle打比赛】剧本角色情感识别baseline-精度0.676 | 开发者w5688414 | 剧本角色情感识别baseline，使用bert模型 |
| 语音 | 【Paddle打比赛】语音合成 | 开发者XYZ_916 | 2021 新网银行智能语音大赛baseline。截止2021.11.17，该方案在总分榜第一，作品榜第二 |
| CV | 中文场景文字识别挑战赛baseline | 小度AIStudio | 中文场景文字识别挑战赛的baseline项目, 用于参赛选手借鉴参考 |
| CV | 【Paddle打比赛】手写字体OCR识别竞赛baseline | 开发者Pink peach | 2021世界人工智能创新大赛，手写字体OCR识别竞赛baseline |
| CV | 2020 CCF BDCI: 遥感影像地块分割baseline | 开发者lxastro | 2020 CCF BDCI: 遥感影像地块分割的baseline模型库，包括baseline模型的训练方法和比赛的评测脚本。 |
| CV | 第三届中国AI+创新创业大赛：半监督学习目标定位竞赛第1名方案 | 开发者张牙舞爪 | 半监督学习目标定位竞赛第一名方案分享 A榜得分0.81425 B榜得分0.80428 |
| 数据挖掘 | 【Padddle打比赛】心电图智能诊断竞赛Baseline-0.6765 | 开发者w5688414 | AIWIN 心电图智能诊断竞赛 |
👉汇总
飞桨各产品学习资料汇总
| 产品 | 视频课程 | 学习文档 |
|---|---|---|
| PaddleGAN | 生成对抗网络七日打卡营 | |
| PaddleOCR | OCR自动标注小工具讲解、3.5M超轻量实用OCR模型解读、OCR应用与部署实战 | |
| PaddleClas | PaddleClas系列直播课 | |
| PaddleDetection | 目标检测7日打卡营 | |
| PaddleX | PaddleX实例分割任务详解、PaddleX目标检测任务详解、PaddleX语义分割任务详解、PaddleX图像分类任务详解、PaddleX客户端操作指南、飞桨全流程开发工具PaddleX | |
| PaddleHub | 手把手教你转换PaddleHub模型教程 | |
| VDL | 可视化分析工具助力AI算法快速开发、深度学习算法可视化调优实战演示 | |
| 高层API | 高层API助你快速上手深度学习 | |
| PaddleNLP | 基于深度学习的自然语言处理 |
三、技术交流
非常感谢您使用本项目。您在使用过程中有任何建议或意见，可以在 Issue 上反馈给我们，也可以通过扫描下方的二维码联系我们，飞桨的开发人员非常高兴能够帮助到您，并与您进行更深入的交流和技术探讨。
四、许可证书
本项目的发布受Apache 2.0 license许可认证。
五、贡献内容
本项目的不断成熟离不开各位开发者的贡献，如果您对深度学习知识分享感兴趣，非常欢迎您能贡献给我们，让更多的开发者受益。
本项目欢迎任何贡献和建议，大多数贡献都需要你同意参与者许可协议（CLA）来声明你有权并实际上授权我们可以使用你的贡献。
代码贡献规范
pip install pre-commit
pre-commit install
添加修改的代码后，对修改的文件进行代码规范，pre-commit 会自动调整代码格式，执行一次即可，后续commit不需要再执行。提交pr流程，详见：awesome-DeepLearning 提交 pull request 流程。
贡献者
以下是awesome-DeepLearning贡献者列表： yang zhou，Niki_173，Twelveeee，buriedms，AqourAreA，zhangjin12138，rerny，LiuCongNLP，LemonCherryFu, lutianhao