MindSpore — фреймворк с открытым исходным кодом для обучения и инференса моделей глубокого обучения на мобильных устройствах, периферийных и облачных платформах с нативной поддержкой AI-процессоров Huawei Ascend.
PaddlePaddle/Paddle
PaddlePaddle — open-source фреймворк глубокого обучения для высокопроизводительного обучения на одной машине и в распределённом режиме, а также кроссплатформенного развёртывания.
Open source альтернатива:TensorFlow
PyTorch
- Звёзды
- 24,138
- Форки
- 6,019
- Открытые issues
- 1,458
- Последний коммит
- 3 дня назад
Что это?
PaddlePaddle — фреймворк для глубокого обучения и машинного обучения, изначально разработанный в Китае и открытый в 2016 году. Он поддерживает обучение моделей как на одной машине, так и в распределённом режиме, а также развёртывание обученных моделей на разных платформах.
В актуальном поколении фреймворка объединены выполнение с динамическими и статическими графами и автоматическое распараллеливание: разработчикам достаточно добавить минимальный набор аннотаций для разбиения тензоров в конфигурацию для одной карты, после чего фреймворк сам выберет стратегию распределённого параллелизма. В одной кодовой базе поддерживаются и обучение, и инференс; также доступны дифференцирование высших порядков, операции с комплексными числами и преобразования Фурье для научных вычислений.
В проект входят компилятор нейронных сетей и подключаемый адаптационный слой для программных стеков аппаратных чипов разных типов. Ядро написано на C++, интерфейс — на Python.
Ключевые возможности
- 01Объединённое выполнение с динамическими и статическими графами
- 02Автоматический распределённый параллелизм на основе минимального набора аннотаций для разбиения тензоров
- 03Дифференцирование высших порядков, операции с комплексными числами и преобразования Фурье
- 04Компилятор нейронных сетей для обучения и инференса
- 05Подключаемый адаптационный слой для программных стеков разных аппаратных чипов
Сценарии использования
- Обучение больших моделей на нескольких машинах или ускорительных картах
- Научные вычисления, требующие дифференцирования дифференциальных уравнений
- Промышленные проекты глубокого обучения, которым нужен единый фреймворк от обучения до развёртывания
- Адаптация рабочих нагрузок моделей к отечественному или разнородному аппаратному обеспечению
Быстрый старт
- 1
Откройте страницу Quick Install и выберите стабильный или nightly-релиз для своей платформы
- 2
Прочитайте руководства на английском, чтобы освоить основы
Темы
Частые вопросы
- Что такое Paddle?
- PaddlePaddle — open-source фреймворк глубокого обучения для высокопроизводительного обучения на одной машине и в распределённом режиме, а также кроссплатформенного развёртывания. PaddlePaddle — фреймворк для глубокого обучения и машинного обучения, изначально разработанный в Китае и открытый в 2016 году. Он поддерживает обучение моделей как на одной машине, так и в распределённом режиме, а также развёртывание обученных моделей на разных платформах.
- Paddle можно использовать бесплатно? Какая у него лицензия?
- Paddle распространяется с открытым исходным кодом под лицензией Apache-2.0. Перед использованием в коммерческих продуктах проверьте условия лицензии.
- Paddle всё ещё поддерживается?
- Активно поддерживается. Последний коммит в Paddle — 5 нояб. 2026 г..
- Для чего можно использовать Paddle?
- Обучение больших моделей на нескольких машинах или ускорительных картах Научные вычисления, требующие дифференцирования дифференциальных уравнений Промышленные проекты глубокого обучения, которым нужен единый фреймворк от обучения до развёртывания Адаптация рабочих нагрузок моделей к отечественному или разнородному аппаратному обеспечению
- Как установить Paddle?
- Откройте страницу Quick Install и выберите стабильный или nightly-релиз для своей платформы Прочитайте руководства на английском, чтобы освоить основы
- Где скачать Paddle?
- Исходный код и инструкции по установке — на GitHub: https://github.com/PaddlePaddle/Paddle
Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.
Похожие проекты
Фреймворк глубокого обучения на Python с ускоренными на GPU вычислениями над тензорами и динамическими нейросетями на основе autograd.
Минималистичный фреймворк для глубокого обучения с API тензоров в стиле PyTorch, autograd, компилятором и поддержкой множества ускорителей.
Библиотека тензоров и фреймворк для глубокого обучения на Rust с обучением и инференсом на CUDA, ROCm, Metal, Vulkan, WebGPU и CPU.
Фреймворк для машинного обучения и математики на Go: обучение с ускорением XLA, бэкенд на чистом Go и загрузка моделей HuggingFace.
Open source-платформа для полного цикла разработки и развёртывания моделей машинного обучения с API для Python и C++.