【百度AI Studio人工智能竞赛战火重燃，6月AI Studio常规赛加码升级】 l 赛题更友好，掌握深度学习基本知识即可参赛 l 训练更方便，Tesla V100 GPU算力免费赠送 l 百度技术专家坐镇指导，比赛老手大赛经验分享 l 三大赛题同步开启，选手同时报名赢取多份奖励 点击https://aistudio.baidu.com/?fr=tieba，即刻报名参赛（需登录百度账号）。 比赛奖励 l 月度颁奖：每月单场比赛20个获奖名额虚位以待 l 丰厚奖励：500元京东实体卡、价值500元的百度深度学习认证考试券 l

WAVE SUMMIT 2019 PaddlePaddle视频公开课： 该课程包含了PaddlePaddle 在首届深度学习开发者峰会上发布的最新版本和特性详解。借助课程，大家可以快速了解深度学习的前沿技术及应用。 课程地址：http://bit.baidu.com/course/datalist/column/133.html -------------------------------------------我是分割线---------------------------------------------- 90分钟PaddlePaddle快速上手系列： PaddlePaddle是国内首次开源的深度学习框架平台，这套课程由百度高工讲授，以手写数字识别这个实际场景示例贯

继上个版本发布后，PaddlePaddle添加了很多新的特性和工具组件，目前已发展为集核心框架、工具组件和服务平台为一体的端到端开源深度学习平台。 Paddle Fluid v1.4升级包含PaddleNLP、视频识别工具集、Paddle Serving、PaddleSlim 等，覆盖深度学习开发、训练、预测的全流程的特性。工具组件升级包含PaddleHub 、AutoDL Design等，为开发者提供了更丰富、高效的工具。 项目地址： https://github.com/PaddlePaddle/Paddle/releases 重要更新 基础框架对训练速度和显存占用进行了全

迁移学习 (Transfer Learning) 是属于深度学习的一个子研究领域，该研究领域的目标在于利用数据、任务、或模型之间的相似性，将在旧领域学习过的知识，迁移应用于新领域中。迁移学习吸引了很多研究者投身其中，因为它能够很好的解决深度学习中的以下几个问题： 一些研究领域只有少量标注数据，且数据标注成本较高，不足以训练一个足够鲁棒的神经网络 大规模神经网络的训练依赖于大量的计算资源，这对于一般用户而言难以实现 应对于普适化需

WAVE SUMMIT 2019 深度学习开发者峰会上，PaddleSlim 全新发布，对于在内存紧张、功耗限制、存储有限的设备上进行深度学习应用的开发者是一份重磅惊喜。 PaddleSlim 是一个无论是新手还是经验者都可以很方便用来优化模型以进行部署的模型压缩库：在普通的模型训练上，只需要两行 python 代码，构造一个 Compressor 对象，即可调用。PaddleSlim 实现了目前主流的网络量化、剪枝、蒸馏三种压缩策略，并可快速配置多种压缩策略组合使用。针对体积已经很小的 Mob

深度学习的应用主要包括两个部分，一是通过深度学习框架训练出模型，二是利用训练出来的模型进行预测。 开发者基于不同的深度学习框架能够得到不同的训练模型，如果想要基于一种框架进行预测，就必须要解决不同框架的模型之间的匹配问题。基于这种考虑，也为了帮助用户快速从其他框架迁移，PaddlePaddle开源了模型转换工具X2Paddle。 它可以将TensorFlow、Caffe 的模型转换为PaddlePaddle的核心框架Paddle Fluid可加载的格式。同时X2Paddle还支持ONNX格式的

近年来随着大数据、深度学习等技术的快速发展，加之与自然语言处理技术密切结合，语言智能获得了持续的发展和突破，并越来越多地应用于各个行业。百度在自然语言处理技术方面，已有了十几年的技术累积和前瞻探索，并且不断将核心技术高效落地产业实践。 为了适应全面丰富的 NLP 任务，方便更多开发者灵活插拔尝试多种网络结构，并且让应用最快速达到工业级效果。 今年4月23日，百度正式开放了工业级中文 NLP 工具与预训练模型集—— Paddl

PaddlePaddle于近期开源了基于会话（session-based）的推荐系统模型（SR-GNN）。 相较于之前通过循环神经网络（RNN）来对会话进行序列化建模导致的不能够得到用户的精确表征以及忽略了items中复杂的转换特性，SR-GNN通过将序列化的问题转换为图的问题，对所有的会话序列通过有向图进行建模，然后通过图神经网络（GNN）来学习每个item的隐向量表示，进而通过一个注意力网络（Attention Network）架构模型来捕捉用户的短期兴趣，以达到捕获长期与短期兴趣共

现在，快到没朋友的YOLO v3有PaddlePaddle实现了。相比原作者在 Darknet 实现的模型，PaddlePaddle 添加了其它一些模块，且精度提高了 5.9个绝对百分点。 YOLO作为目标检测领域的创新技术，一经推出就受到开发者的广泛关注。值得一提的是，基于百度自研的开源深度学习平台PaddlePaddle的YOLO v3实现，参考了论文【Bag of Tricks for Image Classification with Convolutional NeuralNetworks】，增加了mixup，label_smooth等处理，精度(mAP(0.5：0.95))相比于原作者的实现提高了4.7个绝对百分