中国软件开源创新大赛：飞桨框架任务挑战赛（下） #55663
Comments
|
那么，该如何报名赛题9呢/doge |
|
【队名】：小馒头 |
|
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 |
|
【队名】：costan |
|
【队名】：六个骨头 |
|
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： #腾讯会议：983-161-320 |
|
【队名】：PIRBN-NO1 |
|
【队名】：TWSQ |
|
赛题十四 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 |
|
|
@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 |
|
【队名】：什么是惊喜 |
|
【队名】：Difers |
|
@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 paddle.sin结果 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 half_pi = np.pi / 2
def cos(x):
return paddle.sin(half_pi + x) |
|
@HydrogenSulfate
|
|
paddle.exp错误
|
可以先用
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 #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：#55663 (comment) ）
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：
受其他研究结果的启发， 该实验室创新性的提出一种新架构：physics-informed radial basis network（PIRBN），它可以：
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：
The text was updated successfully, but these errors were encountered: