English | 简体中文 | 日本語

欢迎来到 PaddlePaddle GitHub

飞桨(PaddlePaddle)以百度多年的深度学习技术研究和业务应用为基础，是中国首个自主研发、功能完备、 开源开放的产业级深度学习平台，集深度学习核心训练和推理框架、基础模型库、端到端开发套件和丰富的工具组件于一体。目前，飞桨累计开发者1070万，服务企业23.5万家，基于飞桨开源深度学习平台产生了86万个模型。飞桨助力开发者快速实现AI想法，快速上线AI业务。帮助越来越多的行业完成AI赋能，实现产业智能化升级。

安装

PaddlePaddle 最新版本: v2.6

跟进 PaddlePaddle 最新特性请参考我们的版本说明

安装最新稳定版本

# CPU
pip install paddlepaddle
# GPU
pip install paddlepaddle-gpu

更多安装信息详见官网 安装说明

PaddlePaddle用户可领取免费Tesla V100在线算力资源，训练模型更高效。每日登陆即送8小时，前往使用免费算力。

四大领先技术

• 开发便捷的产业级深度学习框架

  飞桨深度学习框架采用基于编程逻辑的组网范式，对于普通开发者而言更容易上手，符合他们的开发习惯。同时支持声明式和命令式编程，兼具开发的灵活性和高性能。网络结构自动设计，模型效果超越人类专家。

• 支持超大规模深度学习模型的训练

  飞桨突破了超大规模深度学习模型训练技术，实现了支持千亿特征、万亿参数、数百节点的开源大规模训练平台，攻克了超大规模深度学习模型的在线学习难题，实现了万亿规模参数模型的实时更新。 查看详情

• 支持多端多平台的高性能推理部署工具

  飞桨不仅广泛兼容第三方开源框架训练的模型部署，并且为不同的场景的生产环境提供了完备的推理引擎，包括适用于高性能服务器及云端推理的原生推理库 Paddle Inference，面向分布式、流水线生产环境下自动上云、A/B测试等高阶功能的服务化推理框架 Paddle Serving，针对于移动端、物联网场景的轻量化推理引擎 Paddle Lite，以及在浏览器、小程序等环境下使用的前端推理引擎 Paddle.js。同时，透过与不同场景下的主流硬件高度适配优化及异构计算的支持, 飞桨的推理性能也领先绝大部分的主流实现。

• 面向产业应用，开源开放覆盖多领域的工业级模型库。

  飞桨官方支持100多个经过产业实践长期打磨的主流模型，其中包括在国际竞赛中夺得冠军的模型；同时开源开放200多个预训练模型，助力快速的产业应用。 查看详情

文档

我们提供 英文 和 中文 文档

• 使用指南：或许你想从深度学习基础开始学习飞桨

• 应用实践：使用飞桨搭建你的模型，更高效的完成深度学习任务

• API 文档：新的 API 支持代码更少更简洁的程序

• 贡献方式：参与飞桨社区开源贡献的指南

开源社区

• Github Issues：提交安装/使用问题、报告bug、建议新特性、沟通开发计划等

• 社区活动：

  • 入门：快乐开源活动（热身打卡 + 常规赛、启航计划）
  • 进阶：飞桨黑客马拉松（开源贡献个人挑战赛、大模型应用与创意赛、飞桨护航计划集训营）

• 社区组织：

  • 技术交流组织：飞桨核心框架贡献者俱乐部 PFCC
  • 社区治理组织：飞桨社区开源发展工作组 PPOSDWG

• 社区博客：https://pfcc.blog/

课程

• 服务器部署：详细介绍高性能服务器端部署实操，包含本地端及服务化Serving部署等
• 端侧部署：详细介绍端侧多场景部署实操，从移动端设备、IoT、网页到小程序部署

版权和许可证

PaddlePaddle由Apache-2.0 license提供