PaddlePaddle

欢迎访问 PaddlePaddle 的 GitHub 仓库。

PaddlePaddle（PArallel Distributed Deep LEarning，并行分布式深度学习）是一个易于使用、高效、灵活且可扩展的深度学习平台。它最初由百度的科学家和工程师开发，旨在将深度学习应用于百度的众多产品。

我们的愿景是通过 PaddlePaddle 让每个人都能使用深度学习。请参阅我们的版本发布公告以了解 PaddlePaddle 的最新功能。

特性

灵活性

PaddlePaddle 支持广泛的神经网络架构和优化算法。可以轻松配置复杂的模型，例如带有注意力机制的神经机器翻译模型或复杂的内存连接模型。
高效性

为了充分发挥异构计算资源的潜力，PaddlePaddle 在计算、内存、架构和通信等多个层面进行了优化。以下是一些例子：
- 通过 SSE/AVX 指令集、BLAS 库（如 MKL、OpenBLAS、cuBLAS）或定制的 CPU/GPU 内核优化数学运算。
- 通过 MKL-DNN 库优化 CNN 网络。
- 高度优化的循环神经网络，能够处理可变长度序列而无需填充。
- 针对高维稀疏数据模型，优化了本地和分布式训练。
可扩展性

使用 PaddlePaddle，可以轻松利用多 CPU/GPU 和多台机器来加速训练。PaddlePaddle 通过优化的通信，能够实现高吞吐量和卓越性能。
与产品紧密结合

此外，PaddlePaddle 的设计也易于部署。在百度，PaddlePaddle 已被部署到拥有海量用户的产品和服务中，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。它在百度的产品中得到了广泛应用，并产生了显著影响。我们希望您也能探索 PaddlePaddle 的能力，为您产品带来积极影响。