A PaddlePaddle és a PyTorch két vezető mélytanulási keretrendszer, amelyek hasonló célokat szolgálnak, mégis különböző adottságokkal és ökoszisztémával rendelkeznek. Az első bevezető szakaszban ismertetésre kerül, hogy a PaddlePaddle-t egy kínai vállalat, a BYU fejleszti, és részletesen bemutatásra kerül az elnevezésének eredete, illetve az is, hogy miért vált jelentőségteljessé az utóbbi években a nemzetközi AI fejlesztői közösségben.
A bemutatón keresztül az érdeklődők lépésről lépésre megismerhetik, hogyan telepíthető helyileg a PaddlePaddle különböző hardveres környezetekre, például CPU-ra és GPU-ra – hangsúlyt kap az Nvidia RTX 6000 kártya és a CUDA kompatibilitás ellenőrzése is. Az is kiderül, hogyan hozzunk létre virtuális környezetet, és mely csomagokat érdemes telepíteni extra funkciókért.
A technikai részletek során szó esik a dinamikus és statikus számítási gráfok támogatásáról, valamint a többféle hardveres támogatottságról – például Huawei Ascend NPU-k. A gyakorlati példában egy BU által fejlesztett Ernie 3.0 Mini modell betöltése és szentimentelemzési feladat bemutatása történik, amely során az is kiderül, hogy milyen gyakorlati különbségek és erősségek figyelhetők meg az eszközök használata során.
Felvetődik a kérdés, hogy a globális piacokon miért uralja a PyTorch az iparágat, illetve milyen lehetőségeket kínál a PaddlePaddle főként ázsiai környezetben. Szó esik a technológiák érettségéről, közösségi támogatásról, dokumentációs bőségről és hardvertámogatásról is, valamint arról, hogy milyen körülmények között lehet hasznosabb alternatíva a PaddlePaddle egyes fejlesztők számára.
