共计 2444 个字符，预计需要花费 7 分钟才能阅读完成。
最近想要充个电🔋
飞桨邀你开启开源奉献之旅
寻找那个最“会”的你
顶级开源我的项目、资深研发领导
高阶开发者单干交换
Buff 叠满！
技能晋升、丰盛简历、高额奖金
你还不心动？
赛事简介
中国软件开源翻新大赛已胜利举办五届，大赛面向国家“十四五”开源生态倒退策略布局，聚焦 “卡脖子”软件畛域以及人工智能、大数据、芯片设计、物联网 等前沿技术畛域的开源软件，旨在为国内开源社区提供展现、交换、单干的平台，激发开源翻新生机，造就开源实际人才，助力开源生态建设的高质量倒退。
第六届“中国软件开源翻新大赛”在国家自然科学基金委信息科学部的领导下，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 开源倒退委员会联结承办。联结百度飞桨、清华大学等企业单位以及多所高校独特设置赛题，大赛分为“开源我的项目奉献赛”“开源工作挑战赛”“开源案例教学赛”和“开源代码评注赛”四个赛道。
开源工作挑战赛赛道——飞桨框架工作挑战赛 全新上线，通过较量机制，激励选手理解与参加深度学习开源我的项目，为中国开源生态建设贡献力量。
赛题介绍
本次中国软件开源翻新大赛联结飞桨开源社区，凋谢了实现飞桨框架的 python level jit compiler、改良 CINN 日志和报错零碎、实现飞桨框架动态图反向图的可视化等相干的共计 15+ 道赛题，面向寰球开发者凋谢报名，目前下半场的较量曾经开启。
以线上较量的模式进行，参赛选手在规定工夫内自在组队（最多三人）抉择适合的开发工作，以 Pull Requests 的模式实现奉献，依据我的项目的难易水平和实现状况，取得相应奖金、礼品和证书，快来组队参赛吧！
较量报名和参赛的入口为 AI Studio 平台：
https://aistudio.baidu.com/aistudio/competition/detail/911/0/…
明天将从赛题八为大家开展介绍。
赛题八：paddleviz 能力扩大——Tensor 信息展现
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（不便开发与调试），但动态图的反向图调试能力仍存在有余。@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，很大水平上晋升了反向图的调试能力。但咱们还心愿，在现有 paddleviz 根底上，扩大 paddleviz 的能力，进一步晋升反向图的调试能力。
赛题九：优化飞桨开源模型 Mask R-CNN 训练性能
飞桨深度学习框架曾经公布了很多涵盖多个畛域的开源模型，本赛题旨在通过对飞桨深度学习框架反对的开源模型进行优化，进步模型的训练性能，摸索飞桨在模型上的性能优化最佳实际。欢送对深度学习框架和模型优化感兴趣的开发者，展现在模型优化畛域的教训和创新性。
赛题十：为 PaddleSOT 我的项目增加 Python3.11 版本反对
PaddleSOT 是一个 Opcode-Based 的动转静孵化我的项目，借助 Symbolic Opcode Translator（简称：SOT）在运行时将 PaddlePaddle 动态图组网代码转换为动态图组网代码，具体设计参见：PaddleSOT 我的项目介绍PaddleSOT 从一开始是基于 Python 3.8 开发的，并别离在 PaddlePaddle/PaddleSOT#109 和 PaddlePaddle/PaddleSOT#112 反对了 3.9 和 3.10，但 3.11 还是不反对的。因为 3.11 的字节码和 3.8-3.10 的字节码有较大的差别，而 PaddleSOT 是依赖于字节码进行模仿执行的，因而 3.11 的反对须要对 PaddleSOT 进行较多的改变。本赛题要求为 PaddleSOT 减少 Python 3.11 的反对，使 PaddleSOT 可能正确地进行模仿执行、CodeGen 等流程。并在 PaddleSOT 增加 Python 3.11 流水线，使其可能在 CI 中进行测试。
赛题十一：新 IR 组件及 API Python 端适配
随着新 IR 底层外围逻辑曾经成熟，须要进一步推广验证。以后新 IR 仅限于在 C ++ 底层进行操作，为了可能尽快让新 IR 代替现有的 IR 体系，须要买通 Python 端到 C ++ 端的新 IR 链路。其中有一项重要工作是须要在 C ++ 端开发新 IR 的组网用 API，并且裸露到 Python 端，从而为大规模验证新 IR 体系奠定根底。
赛题十二：新 ir 模型构造的可视化工具建设
飞桨深度学习框架近期在重构底层的两头示意（下称：IR），替换原来的 ProgramDesc 为新的 MLIR。具体技术设计详见：IR Dialect。此我的项目处于高效迭代期，为了减速开发者们对模型、子图级别下新 IR 示意的相熟，升高性能开发中的调试老本，心愿可能给 IR Dialect 增加「可视化」性能。
赛题十三：复数 kernel 调研与实现
现有的深度学习框架次要是基于对实数函数的优化设计的，在支流的深度学习利用场景中，网络的输出变量，两头变量，输入变量都是实数，与此相关的基础设施，比方数组，优化器等组件也都是实用于实数类型。
但随着深度学习利用的扩大，也呈现对复数反对的需要，比方图像，语音等畛域的傅里叶变换，量子物理畛域，其理论体系都是基于复数建设的。尽管并非不能用实数示意复数运算，但稍显繁琐，深度学习框架有原生的复数反对，能够使建模更靠近其实践。
赛题十四 & 十五：PaddleScience 畛域经典论文复现
PaddleScience 作为开源科学计算套件，心愿通过复现各类畛域内的相干论文，进步该套件的畛域覆盖度，验证套件和框架 API 的正确性和齐备性，最终晋升用户体验，助力科学计算开发者的开发试验。
工夫安顿
本次流动分为三个阶段，第一阶段与第二阶段别离选出 10 位优良开发者进入半决赛，通过预问难，进行阶段性礼品发放，20 位开发者有机会参加决赛问难并取得最高 5 万元现金处分。
奖项设置
最初通过问难的 14 支队伍分获一、二、三等奖。
较量问题优秀者，还能够取得百度绿色通道或其余便当，可晋升简历曝光度及面试发动率。
