paddlepaddle

PaddlePaddle、easyocr与OpenCV工具识别书法图片内容，自动批量重命名图片文件的方法在书法学习、古籍数字化项目中，我们常常会收集大量的单字书法图片。这些图片可能来自碑帖扫描、名家手迹或创作练习，文件名往往是杂乱无章的编号（如 IMG_001.jpg、扫描图1.png），给后续的整理、检索和使用带来了极大的不便。手动为每张图片命名不仅耗时耗力，而且容易出错。

weixin_46846685

PaddlePaddle 深度学习框架实战应用指南在构建人工智能应用的过程中，许多开发者往往沉迷于模型结构的创新或理论公式的推导，却忽略了从数据输入到最终服务上线的全链路工程挑战。实际生产中，我们面临的不再是干净的公开数据集，而是高并发、低延迟、多场景交织的复杂环境。无论是电商平台的毫秒级推荐，还是工厂流水线上的实时质检，亦或是医疗场景中的辅助诊断，每一个环节都对系统的稳定性、准确性和响应速度提出了极高的要求。

心中有国也有家

PaddlePaddle 适配 NPU 的技术全解析——从算子接入到端到端性能优化PaddlePaddle（飞桨）是百度开源的深度学习框架，它怎么在华为 NPU 上跑起来？核心是通过 Paddle 的自定义算子机制接入 CANN 算子库，并通过通信后端抽象支持 HCCL 和 hixl。这篇文章把这套适配技术拆开讲清楚。

目标检测模型的训练方法(工业方法)(insects数据集)本次使用虫子数据集。由于数据集中虫子的分类我无法确定标注是否正确，无法修改虫子的标签。但即使在这种情况下，训练的map指标也从0.83提升到0.937。

使用paddledetection进行模型训练的配置使用paddledetection 2.7版本数据集7类数据，使用了coco格式进行训练，目录改为数据集的存储目录

fastdeploy cpu版本安装，需要什么硬件和软件环境？安装 FastDeploy CPU 版本的硬件和软件环境要求如下，结合官方文档和常见实践整理：提示：若需指定版本（如 1.0.1），替换包名为 fastdeploy-python==1.0.1。

轻松实现多语言文字识别与实时检测：PaddleOCR 实战指南在人工智能与计算机视觉技术飞速发展的当下，文字识别（OCR）作为信息提取的核心技术，已广泛应用于文档数字化、智能监控、自动驾驶、跨境电商等众多领域。百度开源的 PaddleOCR 凭借其轻量级、高精度、多语言支持等特性，成为开发者实现 OCR 功能的首选工具之一。本文将从实战角度出发，结合具体代码案例，详细讲解 PaddleOCR 的核心用法，包括静态图片多语言识别、静态图片文字标注展示、摄像头实时文字检测与中文显示等场景，帮助开发者快速上手并灵活运用 PaddleOCR 解决实际问题。

百度飞桨PaddleOCR图片印章检测技术简介全文链接百度飞桨PaddleOCR图片印章检测技术简介github仓库：使用PaddleOCR识别图片红色印章文字 red-seal-ocr

机器学习算法原理与实践-入门（十）：基于PaddlePaddle框架的线性回归在前两篇文章中，我们分别使用PyTorch和TensorFlow实现了线性回归模型。今天，我们将完成三框架对比的最后一环，使用国产深度学习框架——PaddlePaddle（飞桨）来实现相同的线性回归任务。PaddlePaddle由百度开发，是国内首个开源开放、功能完备的产业级深度学习平台，在中文自然语言处理、计算机视觉等领域有着独特优势。

分享本周所学——三维重建算法3D Gaussian Splatting（3DGS）大家好，欢迎来到《分享本周所学》第十二期。本人是一名人工智能初学者，刚刚读完大二。前几天自学了一下3D Gaussian Splatting（3DGS），觉得非常有意思。写这篇文章主要是因为网上大部分关于3DGS的文章都比较晦涩，我自己学的时候也是翻阅了大量的论文博客视频，所以想结合自己的学习过程，写一篇让所有人都能看懂的文章。我不会假设你有任何机器学习或者数学的基础知识，即使你只是刚刚接触人工智能领域的小白，我也会让你看懂。如果你觉得我有任何一个地方（即使只是一个标点符号）写的不对、不好或者不清楚，麻烦

PaddleOCR系列——《文本检测、文本识别》模型训练上面已经制作完数据集，现在开始进行模型训练。数据集制作请参考：PaddleOCR系列——《文本检测、文本识别、表格结构》数据集制作_ppocrlabel-CSDN博客

小白_史蒂夫

【环境搭建】（九）飞桨EasyDL发布的模型转换onnx(附工程代码)paddle转onnx和onnx转rknn两个环境可以分开搭建，也可以搭建在一起。这里选择分开搭建，先搭建paddle转onnx。

AI3-PaddleOCR搭建环境1https://github.com/PaddlePaddle/PaddleOCRhttps://github.com/PaddlePaddle/PaddleOCR/releases

TensorFlow、PyTorch、PaddlePaddle 三大深度学习框架全维度对比表本文整合五大核心维度（基础信息、核心特性、部署能力、性能表现、生态社区），以表格形式清晰呈现三大框架差异，精准适配选型需求，数据来自官方实测及CSDN行业评测（2025-2026年），仅供参考。

PaddlePaddle镜像结合WebSocket实现实时推理结果推送在智能文档处理、工业质检和实时视频分析等场景中，用户不再满足于“上传—等待—刷新”的传统交互模式。他们期望的是：图像一上传，文字识别结果立刻浮现；摄像头刚捕捉到缺陷，警报就已经响起。这种对毫秒级反馈的追求，正在倒逼AI服务架构的革新。

PaddleX本地安装教程PaddleX 3.0 是基于飞桨框架构建的低代码开发工具，它集成了众多开箱即用的预训练模型，可以实现模型从训练到推理的全流程开发，支持国内外多款主流硬件，助力AI 开发者进行产业实践。下面主要是官方文档，源地址：PaddleX 文档

向上的车轮

飞桨PaddlePaddle：在整机装配行业工业自动化中的详细实践应用解析整机装配（如空调、挖掘机、服务器、新能源汽车整车等）是制造流程的“最后一公里”，具有以下特点与痛点：传统依靠人工巡检、纸质工单、抽检的方式已难以满足高质量、高效率、低成本的现代装配要求。AI视觉 + 边缘智能 + 数据闭环成为破局关键——而飞桨正是这一转型的核心技术底座。

向上的车轮

飞桨PaddlePaddle：在汽车零部件制造中的工业自动化应用详解汽车零部件制造具有高精度、高一致性、强可追溯性的要求。常见痛点包括：飞桨凭借其轻量化模型、端边云协同部署能力、中文工业生态支持，成为汽车零部件智能化升级的理想选择。

向上的车轮

飞桨（PaddlePaddle）：工业自动化案例飞桨（PaddlePaddle）作为国产开源深度学习平台，在工业自动化领域已实现大量成功落地，涵盖智能质检、设备预测性维护、安全生产监控、生产流程优化等多个核心场景。以下结合真实案例与技术路径，系统梳理其典型应用。

想你依然心痛

PaddlePaddle-v3.3：国产深度学习框架的全新突破懂得太多，看的太透，就会变成世界的孤儿。要知道：世上有两样东西不可直视，一是太阳，二是人心。随着人工智能技术的飞速发展，深度学习框架作为人工智能领域的核心技术之一，扮演着至关重要的角色。PaddlePaddle-v3.3 作为国产领先的深度学习框架，凭借其强大的功能和性能，在 AI 开发领域取得了显著的进展和突破。本文将从技术解析、实战案例、模型部署、框架对比、开源生态和行业应用等多个方面，深入探讨 PaddlePaddle-v3.3 的优势和应用价值。