百度PaddlePaddle常规赛NLP赛道火热开启

作为人工智能时代的基础,深度学习一直是人工智能最热门、企业投入最多的研究领域之一,百度PaddlePaddle深度学习框架应运而生,这是国内唯一一家拥有自主知识产权的开源深度学习框架。在此框架中,汇聚了更多的AI科学家、架构师、AI爱好者,设置常规赛,提供丰富的真实数据,多样的算法赛题,显示百度对深度学习框架战略地位的重视,让AI爱好者能够得到更多真实场景的练习机会和更多PaddlePaddle的实际训练经验,这势必推动PaddlePaddle更广泛、更深入地用于人工智能研发及落地应用。

目前已推出2个赛题,从最常见的文档提取归纳总结出发,涉及汽车以及中文阅读领域,无论是从赛事的设计理念,还是对技术能力的把握,此次常规赛都将对PaddlePaddle的推广和使用产生深远的影响。之后PaddlePaddle将会持续推出更多主题的常规赛,让我们拭目以待。

赛题一:汽车大师问答模型赛

【赛题简介】汽车大师是一款通过在线咨询问答为车主解决用车问题的APP,致力于做车主身边靠谱的用车顾问,车主通过汽车大师用语音、文字或图片发布汽车问题,系统为其匹配专业技师提供及时有效的咨询服务。由于平台用户基数众多,重复回答和持续时间长的多轮问询花去汽修技师大量时间,也使用户获取解决方案的时间变长,对双方来说都存在资源浪费的情况。为了节省更多人工时间,提高用户获取回答和解决方案的效率,要求选手们使用汽车大师提供的11万条技师与用户的多轮对话与诊断建议报告数据建立模型,从而可基于对话文本、用户问题、车型与车系,输出包含摘要与推断的报告文本,考验模型的归纳总结与推断能力。

汽车大师比赛样例项目: http://aistudio.baidu.com/aistudio/#/projectdetail/27113

汽车大师比赛数据集: http://aistudio.baidu.com/aistudio/#/datasetdetail/1407

赛题二:NLP智能问答赛

【赛题简介】BROAD中包含着迄今为止规模最大的中文公开领域阅读理解数据集,DuReader。该数据集基于真实应用需求,所有问题均来源于百度搜索用户的真实问题,文档来自全网真实采样的网页文档和百度知道 UGC 文档,答案基于问题与文档由人工撰写生成。数据集标注了问题类型、实体和观点等丰富信息,弥补了现有主流数据集对于观点类问题覆盖不足的问题。要求选手们依据BROAD开放数据集中全球最大中文阅读理解数据集建立基于文本与问题,输出正确答案的模型,考验模型的归纳总结与改述能力。

机器阅读理解样例项目:
http://aistudio.baidu.com/aistudio/#/projectdetail/27131

数据集: http://aistudio.baidu.com/aistudio/#/datasetdetail/1410

赛程及奖项设置

比赛从2018年9月28日开始,直到赛题下线。常规赛不设初赛复赛,以当月每位参赛选手提交的最优成绩排名。这期间选手每天可提交5次作品,当评分优于baseline Model成绩,则认定挑战成功,即可停止提交。选手可同时参加多场比赛。

具体详情请看官网:http://aistudio.baidu.com/aistudio/#/competition
(点击AI Studio官网-比赛-比赛列表-选取要参加的比赛)

PaddlePaddle期待与全球AI爱好者们一起打造世界顶级深度学习框架,共同推动AI技术的进步。

原文地址:http://blog.51cto.com/13970240/2288303

时间: 2024-11-09 00:43:35

百度PaddlePaddle常规赛NLP赛道火热开启的相关文章

百度PaddlePaddle再获新技能 智能推荐、对话系统、控制领域都能搞定!

编辑文章 引言:人工智能技术越来越广泛的应用于各行各业,而这一切都离不开底层深度学习框架的支持.近日,百度深度学习PaddlePaddle正式发布了强化学习框架PARL,同时开源了基于该框架,在NeurIPS 2018强化学习赛事中夺冠的模型完整训练代码,再次向业界展示了百度在深度学习领域的技术能力. PARL的效果如何? PARL是基于百度 PaddlePaddle 打造的深度强化学习框架,覆盖了DQN.DDQN.Dueling DQN.DDPG.PPO等主流强化学习算法.在PARL 1.0的

【深度学习系列】一起来参加百度 PaddlePaddle AI 大赛吧!

写这个系列写了两个月了,对paddlepaddle的使用越来越熟悉,不过一直没找到合适的应用场景.最近百度搞了个AI大赛,据说有四个赛题,现在是第一个----综艺节目精彩片段预测 ,大家可以去检测一下最近的学习成果啊!还有丰厚的奖金10W元软妹币哦! 这是啥比赛? 看比赛的要求,是希望参赛选手使用PaddlePaddle深度学习框架.利用BROAD数据集.利用K-Lab,着手解决行业中的真实问题,从而让AI真正应用于行业.真正服务于行业.本次大赛,我们将目光放在电视综艺行业,希望选手们利用BRO

一块GPU就能训练语义分割网络,百度PaddlePaddle是如何优化的?

一. 图像语义分割模型DeepLab v3 随着计算机视觉的发展,语义分割成为了很多应用场景必不可少的一环. 比如网络直播有着实时剔除背景的要求,自动驾驶需要通过语义分割识别路面,与日俱增的应用场景对语义分割的精度和速度的要求不断提高.同时,语义分割数据集也在不断地进化,早期的Pascal VOC2,其分辨率大多数在1000像素以下.而Cityscape的语义分割数据集分辨率全部达到了1024*2048,总共5000张图片(精细标注),包含19类.这些数据集对研究者,计算设备,甚至框架都带来了更

百度PaddlePaddle入门-4

当习惯使用飞桨框架完成建模时,会发现程序呈现出“八股文”的形态.即不同的程序员使用不同模型解决不同任务的时候,他们编写的建模程序是极其相似的.虽然这在某些“极客”的眼里缺乏精彩,但从实用性的角度,这样的设计使建模者更关注需要解决的任务,而不是将精力投入在学习框架上.只要通过一个示例程序掌握使用飞桨的方法,编写实现不同任务的多种模型均变得十分容易. 这点与Python的设计思想一致:对于某个特定功能,并不是实现方式越灵活.越多样越好,最好只有一种最符合“道”的最佳实现.“道”指的是如何人类的思维习

百度PaddlePaddle入门-14(多个CPU加速训练)

接下来介绍在paddlepaddle中如何使用多CPU来加速训练. 接着前面几节讲的手写数字识别部分,在启动训练前,加载数据和网络结构的代码部分均不变. 1 # 加载相关库 2 import os 3 import random 4 import paddle 5 import paddle.fluid as fluid 6 from paddle.fluid.dygraph.nn import Conv2D, Pool2D, FC 7 import numpy as np 8 from PIL

百度PaddlePaddle入门-9

本节介绍使用飞桨快速实现“手写数字识别”的建模方法. 与“房价预测”的案例类似,我们以同样的标准结构实现“手写数字识别”的建模.在后续的课程中,该标准结构会反复出现,逐渐加深我们对深度学习模型的理解.深度学习模型的标准结构分如下五个步骤: 数据处理:读取数据和预处理操作. 模型设计:搭建神经网络结构. 训练配置:配置优化器.学习率.训练参数. 训练过程:循环调用训练过程,循环执行“前向计算 + 损失函数 + 反向传播”. 保存模型并测试:将训练好的模型保存并评估测试. 下面我们使用飞桨框架,按照

百度正式发布PaddlePaddle深度强化学习框架PARL

去年,斯坦福大学神经生物实验室与 EPFL 联合举办了一场强化学习赛事--人工智能假肢挑战赛(AI for Prosthetics Challenge),希望将强化学习应用到人体腿部骨骼仿真模拟模型的训练. 经过激烈的角逐,最终来自百度大脑的 NLP 技术团队一举击败众多强劲对手,以9980分的成绩夺得冠军! 近日,百度正式发布在赛事夺冠中起到关键作用的深度强化学习框架  PaddlePaddle PARL,同时开源了基于该框架的 NeurIPS 2018强化学习赛事的完整训练代码.点击"阅读原

“0”元上云的正确开启姿势 Get

日前,易云"注册4 重礼"优惠促销活动火热开启,新老用户均可享多重优惠.其中最受瞩目的活动就是"第一重礼"--"0"元上云活动,让您不花一分钱就可以体验易云公有云产品及服务. 但是有小伙伴反映不知如何实现"0"元上云,So,今天小编就手把手教您如何不花一分钱,体验易云高品质公有云平台. 首先要在活动期间(5月22日-6月30日)注册易云账号,通过审核注册成功后,会收到系统赠送的300 元充值金额. 想用这免费得来的300元体验

凯撒的归凯撒和上帝的归上帝:替百度说句公道话

日前百度病种类贴吧事件可谓传得沸沸扬扬,不过百度很快就用一个负责任的态度妥善处理了这个事件,百度方面表示所有病种类吧将会全面停止商业合作,只对权威公益组织开放. 百度贴吧一直都在探索它的商业化进程,并于2015年开始尝试以“专业机构+吧友”的模式,与吧友共同管理相关垂直类目吧.出乎百度贴吧意料之外的是,百度贴吧的这种做法受到了广大网友的大力支持,贴吧的运营效率和用户活跃数据都得到了大幅提升,这无疑加快了它的商业化进程.对于任何一家公司来说,商业化进程与道德并不相矛盾,商业化要建立在道德的基础之上