有一说一，真有人用paddlepaddle (飞桨) 吗？

倪如此迷人 · 发表于 2023-5-4 18:47:18

如果不是百度员工或者利益相关，真有人会用它来工作吗？pytorch都1.3了啊，tensorflow都动态图了。要说硬件部署，此刻哪个都是硬件挑框架，哪有框架挑硬件的。

欲静不止 · 发表于 2023-5-4 18:48:05

import torch as paddlepaddle

dkeglgang97 · 发表于 2023-5-4 18:48:12

我在用。
和pytorch区别不大，很容易上手；而且自带一套服务器和移动端推理部署引擎，性能感觉还可以。
paddle的模型库做的不错（比如paddleocr），比openmmlab的可读性强一点，也方便diy；还有很多本科毕设级别的小项目分享，对工作党项目前期快速开发比较合适。
缺点就是，文档烂的一笔，demo里很多接口文档找不到。。。越看越想打人。。。。。。
还有很多bug，比如训练停止进程不释放；训练结束自己从头又开始训练；训练过程中莫名卡住不动，也没有报错；推理时显存分配问题，占用过得显存不会释放；部分接口功能并没有实现，只是装装样子。。。。

Behind_1 · 发表于 2023-5-4 18:48:22

有。
自从paddlehub上了stable diffusion之后，用户量猛增。

你知道我在说什么。

王可二 · 发表于 2023-5-4 18:48:48

最近被安利了，百度确实想把飞桨做成中国的安卓，很多配套任务的star都上千了，加上百度工业技术的积累，性能和稳定性都还好。如果百度持续投入个两年，个人觉得未来可期，感觉除了tf，掌握pp是不亏的。

307546407 · 发表于 2023-5-4 18:49:18

更新一下之前OCR竞赛成果
单人参赛的（还撞了期末ddl），结果挺满意了
轻量级文字识别技术创新大赛 - 百度AI Studio - 人工智能学习与实训社区

<hr/>去年（2020）11月开始用paddlepaddle，起因是百度的PaddleOCR
PaddlePaddle/PaddleOCR 集成了基于two-stage（其实还有方向检测）的OCR模型，训练评估导出部署各种脚本都已经写好，准备好数据就可以直接用。而且代码风格很规范，可以较容易地修改一些模型和代码
这里证明一下，这个仓库是我后来开源的，但最近没怎么关注PaddleOCR更新所以仓库一直没更新新的功能，之后放假有空应该会更新一下
caopulan/PaddleOCR_Utils刚上手的时候还是paddlepaddle1.8，现在都已经2.1了，代码风格基本和pytorch一致
后来看paddle文档的时候，发现有一个模型库：
模型库_飞桨-源于产业实践的开源深度学习平台但进去发现没什么模型，当时还想着肯定是paddle的开源环境不如一些主流框架，更新会慢很多，新一点的模型都没有得自己写。后来发现了这个：
PaddlePaddle/PaddleClas才发现Github上PaddlePaddle这个账户下开源了好多基于Paddle的东西，内容非常全，而且得益于是国内的公司，所有仓库在Gitee上都有，只是可能更新不同步，但是同版本对应内容是一致的
而且用PaddleOCR的时候，我发现更新速度非常快，Issue的应答时间也有保证（得益于是百度自己官方的小组负责维护，如果是个人开发者的话一般Issue应答会慢一些）
最近也在做一些其他的项目，backbone部分采用了PaddleClas的代码，整体体验还可以
<hr/>下面大概总结一下paddlepaddle的体验
写在最前：百度绝对对paddle是有野心的，并且下了血本
一、。生态环境

我认为paddle的生态和主流框架（以pytorch和TF为例）是不太一样的。
主流框架的生态是开发者主导的

生态环境得益于使用者数量大，比如一些新的作者没有给代码的paper有时候会有开发者在GitHub上进行开源
paddle的生态是百度自身主导

目前的状态还是基本由百度自己进行复现开源，比如我上面提到的PaddleClas，是百度自己的团队并且通过比如兴趣小组或者PPDE来吸纳一些个人开发者，但是主要地还是百度官方的团队（或者与百度有关的团队比如AgentMaker，这个组开始好像是基于兴趣组建的，但是现在应该跟百度是有合作的，百度也进行了一些推广）
两者我认为各有好坏

开发者主导的生态会更加“多”，一些可能没那么牛逼或者小一点领域的paper也会有开发者进行复现研究，毕竟百度不可能对所有论文进行复现
而百度自己开源的好处是代码风格稳定标准，代码几乎是没有bug的，至少是没有严重地结构逻辑bug（个人开发者在开源地最初版本有时候是有一些模型结构的bug），并且几乎都会给出预训练权重。但坏处也显而易见，基本只对一些热门的方向以及牛逼的论文进行复现。
二、使用感受

paddle和pytorch的代码逻辑是很相似的，百度在最初构建paddle应该也是大量参考了pytorch，我认为这一点非常好，极大减少了上手难度。
并且paddle1.x和paddle2.x没有像TF那样的及其明显的断档（我这里一定要吐槽一下TF，在2.x环境运行1.x代码简直是灾难级，改代码能改一年，你永远不知道一个函数在不同版本下的api是什么。至于为什么要在2.x运行1.x代码，因为30系显卡只适配cuda11+，而TF1.x不支持cuda11+，如果有小伙伴知道有什么办法可以在30系显卡环境下运行TF1.x请一定告诉我。30系显卡应该是装不了cuda10及其docker）
说到30系显卡和cuda11，这里还要强调下，paddlepaddle从我开始用以来，就没操心过cuda11这个环境
鬼知道我当初想要跑TF付出了多少努力
三、其他

免费算力真的很香，V100+32G显存，就是最近有时候需要排队（目前我最长没排队超过1天）。平常运行环境or参加一些比赛还送算力，不行还可以拿同学、家人的账号（嘘，我没有 doge）
前面基本都在夸paddle，这里也说一下我的担忧
开源的AI框架最后一定是要有活跃的社区，不能只靠百度本身的努力。说最简单的，想要paddle称为主流框架，你至少得有researcher在搞实验发paper的时候用paddle这个框架，而不只是百度跟在后面复现别人的论文。
简单点说，框架要想成为主流，要么占住学术市场，要么占住工业市场。现在paddle在学术这块可以说完全没有份额，在工业这一方面它完全只是依靠百度自己开源的一些项目来占住一定份额，但这肯定是不够的。而且paddle目前仅在国内占有一定市场，如果想要真的成为主流框架，必须要赢得全世界的开发者的青睐。
只能说拭目以待吧，据我了解paddle比起其他国内的框架算是比较优秀的，未来可期
（我都这么夸了百度能不能给我结一下钱，或者帮我认证下PPDE呗）

		自动登录	找回密码
密码			立即注册