Closed Ligoml closed 11 months ago
那么,该如何报名赛题9呢/doge
【队名】:小馒头 【序号】:赛题八 【状态】:报名 【链接】:None
下周四(8.3)晚上7:00会邀请各位研发导师对赛题做详解与答疑,预计周三(8.2)会公布会议链接,请大家关注~
【队名】:lujunda 【序号】:赛题九 【状态】:报名 【链接】:None
【队名】:costan 【序号】:赛题十四 【状态】:报名 【链接】:无
【队名】:六个骨头 【序号】:赛题十 【状态】:报名 【链接】:无
8.3日晚上7-9点邀请了飞桨研发进行中国软件开源创新大赛赛题讲解,这次会议时间较长(预计两小时),有兴趣的同学可以来参加~
会议时间:2023/08/03 19:00-21:00 (GMT+08:00) 中国标准时间 - 北京
👇 点击链接入会,或添加至会议列表: https://meeting.tencent.com/dm/VojjLHgcOv2S
会议密码:0803
@greasebig @njjtan @sususama
【队名】:PIRBN-NO1 【序号】:赛题十五 【状态】:报名 【链接】:无
【队名】:TWSQ 【序号】:赛题十四 【状态】:报名 【链接】:无
赛题十四 论文三 题目:An a priori evaluation of a principal component and artificial neural network based combustion model in diesel engine conditions https://github.com/deepakdalakoti/PCA-ANN/tree/master
源码中没有配置文件和数据集下载地址
下载地址为pdf文件无数据
赛题十四 论文三 题目:An a priori evaluation of a principal component and artificial neural network based combustion model in diesel engine conditions https://github.com/deepakdalakoti/PCA-ANN/tree/master
源码中没有配置文件和数据集下载地址
![]()
下载地址为pdf文件无数据
看了一下论文三确实没有给出数据和配置文件,可以考虑做赛题一的XPINNs,@172w @njjtan @co63oc
@co63oc 赛题14的论文3已经换题了,可以看下最新题目。
@co63oc 赛题14的论文3已经换题了,可以看下最新题目。
ok
【队名】:小馒头 【序号】:赛题十二 【状态】:报名 【链接】:None
【队名】:什么是惊喜 【序号】:赛题十五 【状态】:报名 【链接】:None
【队名】:Difers 【序号】:赛题十二 【状态】:报名 【链接】:None
@HydrogenSulfate 赛题14的论文一 对paddle.cos求多次导数,但是paddle.cos有错误,使用paddle.sin是可以运行,运行的代码
import paddle
# sin
x = paddle.to_tensor([1.0,2,3], stop_gradient=False, dtype=paddle.float64)
y = paddle.sin(x)
dx = paddle.grad(y, x, retain_graph=False, create_graph=True)[0]
d2x = paddle.grad(dx, x)
print(d2x)
paddle.sin结果
import paddle
# cos
x = paddle.to_tensor([1.0,2,3], stop_gradient=False, dtype=paddle.float64)
y = paddle.cos(x)
dx = paddle.grad(y, x, retain_graph=False, create_graph=True)[0]
d2x = paddle.grad(dx, x)
print(d2x)
paddle.cos为错误 Unable to get phi::DenseTensor data of Output d2d1y in operator CosDoubleGrad
PaddlePaddle版本2.5.1
@HydrogenSulfate 赛题14的论文一 对paddle.cos求多次导数,但是paddle.cos有错误,使用paddle.sin是可以运行,运行的代码
import paddle # sin x = paddle.to_tensor([1.0,2,3], stop_gradient=False, dtype=paddle.float64) y = paddle.sin(x) dx = paddle.grad(y, x, retain_graph=False, create_graph=True)[0] d2x = paddle.grad(dx, x) print(d2x)
paddle.sin结果
import paddle # cos x = paddle.to_tensor([1.0,2,3], stop_gradient=False, dtype=paddle.float64) y = paddle.cos(x) dx = paddle.grad(y, x, retain_graph=False, create_graph=True)[0] d2x = paddle.grad(dx, x) print(d2x)
paddle.cos为错误 Unable to get phi::DenseTensor data of Output d2d1y in operator CosDoubleGrad
PaddlePaddle版本2.5.1
根据 $cos(x) = sin(\dfrac{2}{\pi} + \alpha)$,可以这样用sin模拟cos绕过吧?
half_pi = np.pi / 2
def cos(x):
return paddle.sin(half_pi + x)
@HydrogenSulfate 三次方求二阶导数错误,可能多次导数这部分不适合转换 ddout should not be null
import paddle
import numpy as np
x = paddle.to_tensor([1.0,2,3], stop_gradient=False, dtype=paddle.float64)
y = x ** 3
dx = paddle.grad(y, x, retain_graph=True, create_graph=True)[0]
d2x = paddle.grad(dx, x, retain_graph=True, create_graph=True)[0]
paddle.exp错误
import paddle
import numpy as np
x = paddle.to_tensor([1.0,2,3], stop_gradient=False, dtype=paddle.float64)
y = paddle.exp(x)
dx = paddle.grad(y, x, retain_graph=True, create_graph=True)[0]
d2x = paddle.grad(dx, x, retain_graph=True, create_graph=True)[0]
@HydrogenSulfate 三次方求二阶导数错误,可能多次导数这部分不适合转换 ddout should not be null
import paddle import numpy as np x = paddle.to_tensor([1.0,2,3], stop_gradient=False, dtype=paddle.float64) y = x ** 3 dx = paddle.grad(y, x, retain_graph=True, create_graph=True)[0] d2x = paddle.grad(dx, x, retain_graph=True, create_graph=True)[0]
可以先用 x*x*x
代替
paddle.exp错误
import paddle import numpy as np x = paddle.to_tensor([1.0,2,3], stop_gradient=False, dtype=paddle.float64) y = paddle.exp(x) dx = paddle.grad(y, x, retain_graph=True, create_graph=True)[0] d2x = paddle.grad(dx, x, retain_graph=True, create_graph=True)[0]
程序运行开头设置一下:paddle.framework.core.set_prim_eager_enabled(True)
本赛道开发成果征集与评审工作已完成,向大赛主办方推选14名优秀开发者进入预赛评审和决赛答辩,具体结果请关注大赛主办方通知,或各赛题群内通知,赛事评审通知详见:https://mp.weixin.qq.com/s/3QIJT7673cAEpd3VJPbiBg
注:各赛题未完成的开发任务可继续进行,成果计入飞桨日常开源活动 https://github.com/PaddlePaddle/Paddle/issues/56689 ,have fun~
公告
活动介绍
第六届“中国软件开源创新大赛”在国家自然科学基金委信息科学部的指导下,由中国计算机学会(CCF)主办,西北工业大学、绿色计算产业联盟、CCF开源发展委员会联合承办。联合百度、清华大学等企业单位以及多所高校共同设置赛题,大赛分为“开源项目贡献赛”、“开源任务挑战赛”、“开源案例教学赛”和“开源代码评注赛”四个赛道。
第六届“中国软件开源创新大赛”开源任务挑战赛赛道——飞桨框架任务挑战赛 全新上线,通过比赛机制,鼓励选手了解与参与深度学习开源项目,为中国开源生态建设贡献力量。 本次飞桨框架开源贡献赛以线上比赛的形式进行,参赛选手在规定时间内自由组队选择合适的开发任务,以 Pull Requests 的形式完成贡献,获得相应奖励(开发中遇到问题可以提 Issues),快来组队参赛吧!
活动已经过半,本 issue 发布下半程挑战赛任务,上半程任务详见:
NEWS:
8月3日晚,导师对赛题进行了在线详解,感兴趣的同学可以查看回放: 主题: PFCC第二十五次会议-软件开源创新大赛赛题讲解 录制文件:https://meeting.tencent.com/v2/cloud-record/share?id=336f340f-9f4d-4bbc-9127-c37f363aae81&from=3
赛题列表
赛题八:paddleviz能力扩展——Tensor信息展示赛题十四:PaddleScience 领域经典论文复现赛题十六:Fluid 分布式算子迁移到 PHI赛题详情
赛题二(更新):改进 CINN 日志和报错系统
赛题简介:
Paddle的CINN模块当前的日志和报错是使用的 GLOG,通过 VLOG 宏输出日志,通过 CHECK 宏检查正确性。由于 GLOG 本身的缺陷,以及缺乏统一的日志规范,导致 CINN 内冗余日志信息较多,报错内容中有效信息较少。
本赛题,要求为Paddle的CINN模块改进实现一套完整的日志和报错系统,类似 Paddle 框架中的 PADDLE_ENFORCE 体系,可以在开发时为开发者提供规范的日志指引,在报错时为调试者提供有效的调试信息。从而提供友好的开发体验和调试体验,提升开发和调试效率。
在此简述不能直接使用PADDLE_ENFORCE的原因:
赛题要求:
产出要求:
赛题导师:
@ZzSean
参考链接:
Paddle/paddle/cinn
,Paddle/python/cinn
,Paddle/test/cpp/cinn
,Paddle/test/cinn
。可参考#54749中CINN编译选项和目录结构赛题八:paddleviz能力扩展——Tensor信息展示
赛题简介:
飞桨深度学习框架提供了动态图编程的模式来开发深度学习模型(方便开发与调试),但动态图的反向图调试能力仍存在不足。@qiuwenbogdut 和 @Tomoko-hjf 两位社区开发者为Paddle开发了反向图可视化工具 paddleviz,很大程度上提升了反向图的调试能力。但我们还希望,在现有 paddleviz 基础上,扩展 paddleviz 的能力,进一步提升反向图的调试能力。
赛题要求:
产出要求:
赛题导师:
@wanghuancoder
参考链接:
赛题九:优化飞桨开源模型Mask R-CNN训练性能
赛题简介:
飞桨深度学习框架已经发布了很多涵盖多个领域的开源模型,本赛题旨在通过对飞桨深度学习框架支持的开源模型进行优化,提高模型的训练性能,探索飞桨在模型上的性能优化最佳实践。欢迎对深度学习框架和模型优化感兴趣的开发者,展示在模型优化领域的经验和创新性。
赛题要求:
产出要求:
赛题导师:
@zhangting2020
参考链接:
赛题十:为 PaddleSOT 项目添加 Python3.11 版本支持
赛题简介:
PaddleSOT 是一个 Opcode-Based 的动转静孵化项目,借助 Symbolic Opcode Translator(简称:SOT)在运行时将 PaddlePaddle 动态图组网代码转换为静态图组网代码,具体设计参见:PaddleSOT 项目介绍
PaddleSOT 从一开始是基于 Python 3.8 开发的,并分别在 PaddlePaddle/PaddleSOT#109 和 PaddlePaddle/PaddleSOT#112 支持了 3.9 和 3.10,但 3.11 还是不支持的。因为 3.11 的字节码和 3.8-3.10 的字节码有较大的差异,而 PaddleSOT 是依赖于字节码进行模拟执行的,因此 3.11 的支持需要对 PaddleSOT 进行较多的改动。
本赛题要求为 PaddleSOT 增加 Python 3.11 的支持,使 PaddleSOT 能够正确地进行模拟执行、CodeGen 等流程。并在 PaddleSOT 添加 Python 3.11 流水线,使其能够在 CI 中进行测试。
赛题要求:
产出要求:
赛题导师:
@SigureMo
参考链接:
赛题十一:新 IR 组件及 API Python 端适配
赛题简介:
随着新IR底层核心逻辑已经成熟,需要进一步推广验证。当前新IR仅限于在C++底层进行操作,为了能够尽快让新 IR 替代现有的 IR 体系,需要打通 Python 端到C++端的新IR链路。其中有一项重要工作是需要在C++端开发新IR的组网用API ,并且暴露到 Python 端,从而为大规模验证新 IR 体系奠定基础。
赛题要求:
产出要求:
赛题导师:
@YuanRisheng
参考链接:
赛题十二:新ir模型结构的可视化工具建设
赛题简介:
飞桨深度学习框架近期在重构底层的中间表示(下称:IR),替换原来的 ProgramDesc 为新的 MLIR。具体技术设计详见:IR Dialect。此项目处于高效迭代期,为了加速开发者们对模型、子图级别下新 IR 表示的熟悉,降低功能开发中的调试成本,希望能够给 IR Dialect 添加「可视化」功能.
赛题要求:
产出要求:
赛题导师:
@Aurelius84 @xiaoguoguo626807
参考链接:
赛题十三:飞桨支持复数
赛题简介:
现有的深度学习框架主要是基于对实数函数的优化设计的,在主流的深度学习应用场景中,网络的输入变量,中间变量,输出变量都是实数,与此相关的基础设施,比如数组,优化器等组件也都是适用于实数类型。
但随着深度学习应用的扩展,也出现对复数支持的需求,比如图像,语音等领域的傅里叶变换,量子物理领域,其理论体系都是基于复数建立的。虽然并非不能用实数表示复数运算,但稍显繁琐,深度学习框架有原生的复数支持,可以使建模更接近其理论。
目前飞桨已经完成复数基础设施的建设,包括复数 Attribute 的支持、复数自动微分、数值微分和梯度检测功能,这是实现支持复数的算子的基础。在此基础上需要渐进式添加 & 增强飞桨复数功能,包括新增支持复数的算子、为已有算子添加复数 kernel、以及为相关 API 添加复数支持等。
赛题要求:
完成 paddlepaddle 支持复数 中的67个子任务。
产出要求:
赛题导师:
@GGBond8488
参考链接:
赛题十四:PaddleScience 领域经典论文复现
赛题简介:
PaddleScience 作为开源科学计算套件,希望通过复现各类领域内的相关论文,提高该套件的领域覆盖度,验证套件和框架 API 的正确性和完备性,最终提升用户体验,助力科学计算开发者的开发实验。
赛题要求:
完成三篇论文的复现如下(复现两篇有资格进入答辩环节)
论文一
题目:Extended Physics-Informed Neural Networks (XPINNs): A Generalized Space-Time Domain Decomposition Based Deep Learning Framework for Nonlinear Partial Differential Equations
论文地址:https://github.com/AmeyaJagtap/XPINNs/blob/master/XPINNs_Paper.pdf
参考源码:https://github.com/AmeyaJagtap/XPINNs (基于tensorflow)
论文二
题目:Deep Spatio-Temporal Wind Power Forecasting
论文地址:https://arxiv.org/abs/2109.14530
参考源码:https://github.com/jiangyuan-li/Deep-Spatio-Temporal/tree/main (基于torch)
论文三 (换题说明:https://github.com/PaddlePaddle/Paddle/issues/55663#issuecomment-1691077782 )
题目:An a priori evaluation of a principal component and artificial neural network based combustion model in diesel engine conditions论文地址:https://www.sciencedirect.com/science/article/abs/pii/S1540748920303552?via%3Dihub参考源码:https://github.com/deepakdalakoti/PCA-ANN/tree/master (基于keras)题目:Deep learning based denoising process
论文地址:https://arxiv.org/abs/2208.12544
参考源码:https://github.com/ytg7146/DU_CNN
产出要求:
赛题导师:
@HydrogenSulfate
参考链接:
赛题十五:PaddleScience 领域前沿论文复现
赛题简介:
物理信息神经网络(PINN)在计算力学方向有越来越多的进展。首先通过神经正切核(NTK)理论研究 PINN 的训练动态。 根据数值实验,Queensland University of Technology LAMSE实验室发现:
关于单层RB神经网络:
赛题要求:
完成论文 PIRBN 的复现 题目:Physics-informed radial basis network (PIRBN): A local approximation neural network for solving nonlinear PDEs 论文地址:https://arxiv.org/abs/2304.06234 参考源码:https://github.com/JinshuaiBai/PIRBN (基于 tensorflow)
产出要求:
赛题导师:
@wangguan1995
参考链接:
赛题十六:Fluid 分布式算子迁移到 PHI
赛题简介:
当前 Fluid 下分布式算子由于未完全迁移到新的 PHI 算子体系,无法具备 PHI 下函数式算子注册时"记录自身输入输出属性“的能力,在分布式场景也就无法使用框架新的通信模块和调度系统,给分布式训练调试、优化等工作带来较大的负担。我们一共收集了17个需要迁移的算子,欢迎大家提交PR一起对这些算子做迁移改造。
赛题要求:
将17个 Fluid 分布式算子的迁移到PHI,完成算子的 cpu/gpu/xpu kernel 以及 InferShape函数的迁移。任务拆解和详细说明见 tracking issue:
产出要求:
赛题导师:
@hitywt @GhostScreaming
参考链接: