[WIP][Build] Enable C++20 toolchain baseline (#79260) Enable C++20 toolchain baseline Fix C++20 CI baseline regressions Lower GCC C++20 baseline to 11 Force CUDA C++20 CI exposure Patch Crypto++ for C++20 constructor syntax Fix AP type constructor for C++20 Fix C++20 accumulate lambda in cum maxmin Fix PIR attribute checks for C++20 Fix Windows C++20 compile errors Use std numbers for angle constant Fix CUDA angle constant for C++20 Fix distributed PIR null checks for C++20 Fix DDim visitor return type for nvcc Update Windows C++20 CI toolchain Keep Windows builds on C++17 baseline Document Windows C++20 follow-up Guard std numbers usage for Windows C++17 Link static PIR deps for CUDA tests Fallback to C++17 for older GCC Warn on GCC C++17 fallback Link nv tests with static registry deps Fix C++17 numbers fallback and nv test deps Fix C++20 coverage build errors Link nv tests with registry deps Link phi core after nv test registry deps Link var helper with type info Group var helper with nv test type info deps Keep var helper type info link order Narrow AP attr TypeId probing Group paddle gtest static deps Avoid null check ambiguity for PIR type Fix C++20 accumulate callbacks in inference tests Remove global paddle gtest static deps Preserve AP attribute matching with TypeId deps Localize static deps for GPU tests Fix threadpool patch application
[WIP][Build] Enable C++20 toolchain baseline (#79260)
Enable C++20 toolchain baseline
Fix C++20 CI baseline regressions
Lower GCC C++20 baseline to 11
Force CUDA C++20 CI exposure
Patch Crypto++ for C++20 constructor syntax
Fix AP type constructor for C++20
Fix C++20 accumulate lambda in cum maxmin
Fix PIR attribute checks for C++20
Fix Windows C++20 compile errors
Use std numbers for angle constant
Fix CUDA angle constant for C++20
Fix distributed PIR null checks for C++20
Fix DDim visitor return type for nvcc
Update Windows C++20 CI toolchain
Keep Windows builds on C++17 baseline
Document Windows C++20 follow-up
Guard std numbers usage for Windows C++17
Link static PIR deps for CUDA tests
Fallback to C++17 for older GCC
Warn on GCC C++17 fallback
Link nv tests with static registry deps
Fix C++17 numbers fallback and nv test deps
Fix C++20 coverage build errors
Link nv tests with registry deps
Link phi core after nv test registry deps
Link var helper with type info
Group var helper with nv test type info deps
Keep var helper type info link order
Narrow AP attr TypeId probing
Group paddle gtest static deps
Avoid null check ambiguity for PIR type
Fix C++20 accumulate callbacks in inference tests
Remove global paddle gtest static deps
Preserve AP attribute matching with TypeId deps
Localize static deps for GPU tests
Fix threadpool patch application
English | 简体中文 | 日本語
欢迎来到 PaddlePaddle GitHub。
飞桨(PaddlePaddle)作为中国首个自主研发的深度学习平台,自 2016 年起正式面向专业社区开源。它是一个具备先进技术和丰富功能的产业级平台,涵盖深度学习核心框架、基础模型库、端到端开发套件、工具组件以及服务平台。 飞桨源于产业实践,并持续专注于产业化。它已被制造、农业、企业服务等众多领域广泛采用,服务超过 2333 万开发者、76 万家企业,生成 110 万个模型。凭借这些优势,飞桨帮助越来越多合作伙伴实现 AI 商业化。
我们的愿景是通过 PaddlePaddle 让每个人都能使用深度学习。 请参考我们的版本说明了解 PaddlePaddle 最新特性。
安装方法详见官网 安装说明。
动静统一自动并行
只需在单卡基础上进行少量的张量切分标记,飞桨能自动寻找最⾼效的分布式并行策略,大幅度降低了产业开发和训练的成本,使开发者能够更专注于模型和算法的创新。
大模型训练推一体
同一套框架支持训练和推理,实现训练、推理代码复用和无缝衔接,为大模型的全流程提供了统一的开发体验和极致的训练效率,为产业提供了极致的开发体验。
科学计算高阶微分
提供高阶自动微分、复数运算、傅里叶变换、编译优化、分布式训练等能力支持,支持数学、力学、材料、气象、生物等领域科学探索,微分方程求解速度大幅提升。
神经网络编译器
采用框架一体化设计,支持⽣成式模型、科学计算模型等多种模型的高效训练与可变形推理,在计算灵活性与高性能之间提供了良好的平衡点,显著降低性能优化成本。
异构多芯适配
成熟且完整的多硬件统一适配方案,通过标准化接口屏蔽了不同芯片软件栈开发接口差异,实现可插拔架构。
我们提供 英文 和 中文 文档
使用指南:或许你想从深度学习基础开始学习飞桨
应用实践:使用飞桨搭建你的模型,更高效的完成深度学习任务
API 文档:新的 API 支持代码更少更简洁的程序
贡献方式:参与飞桨社区开源贡献的指南
PaddlePaddle 由 Apache-2.0 license 提供。
PArallel Distributed Deep LEarning: Machine Learning Framework from Industrial Practice (『飞桨』核心框架,深度学习&机器学习高性能单机、分布式训练和跨平台部署)
English | 简体中文 | 日本語
欢迎来到 PaddlePaddle GitHub。
飞桨(PaddlePaddle)作为中国首个自主研发的深度学习平台,自 2016 年起正式面向专业社区开源。它是一个具备先进技术和丰富功能的产业级平台,涵盖深度学习核心框架、基础模型库、端到端开发套件、工具组件以及服务平台。 飞桨源于产业实践,并持续专注于产业化。它已被制造、农业、企业服务等众多领域广泛采用,服务超过 2333 万开发者、76 万家企业,生成 110 万个模型。凭借这些优势,飞桨帮助越来越多合作伙伴实现 AI 商业化。
安装
PaddlePaddle 最新版本: 3.3
我们的愿景是通过 PaddlePaddle 让每个人都能使用深度学习。 请参考我们的版本说明了解 PaddlePaddle 最新特性。
安装最新稳定版本或每日最新构建版本
安装方法详见官网 安装说明。
飞桨新一代框架 3.2
动静统一自动并行
只需在单卡基础上进行少量的张量切分标记,飞桨能自动寻找最⾼效的分布式并行策略,大幅度降低了产业开发和训练的成本,使开发者能够更专注于模型和算法的创新。
大模型训练推一体
同一套框架支持训练和推理,实现训练、推理代码复用和无缝衔接,为大模型的全流程提供了统一的开发体验和极致的训练效率,为产业提供了极致的开发体验。
科学计算高阶微分
提供高阶自动微分、复数运算、傅里叶变换、编译优化、分布式训练等能力支持,支持数学、力学、材料、气象、生物等领域科学探索,微分方程求解速度大幅提升。
神经网络编译器
采用框架一体化设计,支持⽣成式模型、科学计算模型等多种模型的高效训练与可变形推理,在计算灵活性与高性能之间提供了良好的平衡点,显著降低性能优化成本。
异构多芯适配
成熟且完整的多硬件统一适配方案,通过标准化接口屏蔽了不同芯片软件栈开发接口差异,实现可插拔架构。
文档
我们提供 英文 和 中文 文档
使用指南:或许你想从深度学习基础开始学习飞桨
应用实践:使用飞桨搭建你的模型,更高效的完成深度学习任务
API 文档:新的 API 支持代码更少更简洁的程序
贡献方式:参与飞桨社区开源贡献的指南
开源社区
版权和许可证
PaddlePaddle 由 Apache-2.0 license 提供。