登录社区云，与社区用户共同成长
邀请您加入社区
为了帮助开发者更好地掌握使用飞桨在昇腾机器上进行模型开发、性能优化的技能，飞桨团队联合昇腾AI团队，特别推出了一门面向开发者的课程--《飞桨x昇腾AI开发者进阶之路》。课程介绍本课程将依次介绍飞桨与昇腾硬件的适配、使用、性能优化、算子开发，内容从软硬件适配科普，到AI开发经验分享，再进一步到性能优化的终极利器-算子开发，希望让大部分学员体验并掌握在昇腾硬件上使用飞桨进行模型开发的方法和工具，而且希
为了帮助开发者更好地掌握使用飞桨在昇腾机器上进行LLM的精调与推理部署的技能，飞桨团队联合昇腾AI团队，特别推出了一门面向开发者的课程--《飞桨x昇腾AI大模型训练与推理部署》。课程介绍本课程将围绕昇腾硬件上PaddleNLP的使用展开，包括概述、训练、推理、Q&A共四个环节。本课程不仅提供软硬适配与性能优化的理论知识，还分享模型套件的使用经验，通过实际操作演示，让学员体验并掌握在昇腾硬件
飞桨x昇腾生态适配方案：04_算子适配
飞桨x昇腾生态适配方案：07_离线推理
飞桨x昇腾生态适配方案：00_整体介绍
飞桨x昇腾生态适配方案：01_环境准备
飞桨x昇腾生态适配方案：02_训练迁移
飞桨x昇腾生态适配方案：03_精度对齐
作者：昇腾实战派 一、PaddlePaddle(飞桨)技术入门 参考开源文档 部署&&快速开始： https://www.paddleocr.ai/latest/quick_start.html 飞桨官方昇腾推理参考链接： https://github.com/PaddlePaddle/PaddleX/blob/release/3.2/docs/practical_tutorial
本文介绍了神经网络构建的三大核心组件：模型、数据和目标。重点讲解了PaddlePaddle中模型构建的关键类paddle.nn.Layer，通过与PyTorch的nn.Module对比展示了其设计理念的一致性。文章通过线性回归和LeNet-5卷积神经网络两个实例，详细演示了如何在__init__中定义网络组件和在forward中实现计算逻辑。其中，线性回归示例展示了简单全连接层的使用，LeNet-
