7th hackathon task list (#957)

* 7th hackathon

* add png

hackathon/hackathon_7th/【Hackathon 7th】FundableProject任务合集.md

@@ -0,0 +1,124 @@
+此文档展示 **PaddlePaddle Hackathon 第六期活动——Fundable Projects** 任务详细介绍。Fundable Projects 赛道定位硬核任务，要求高水平的开发者独立进行任务拆解和完成。
+
+## 产出要求
+
+- 任务拆解 tracking issue
+- 答辩 PPT
+- 书面的技术报告
+- 代码运行无误，通过社区 maintainers 的评审并合入代码仓库。
+
+## 任务详情
+
+### 一、Paddle Operator 算子库非通信算子退场/迁移
+
+**任务背景：**
+
+飞桨 Paddle 自 2.0 版本以来，进行了多个重大机制改造。包括：高可复用算子库 PHI、全新的动态图体系。随着新机制的发布使用，旧机制和功能代码需要进行退场和移除，保持架构清晰和代码库的条理性，为内外部开发者提供更好的二次开发环境。这就包括了 Operators 算子库的清理。
+
+**详细描述：**
+
+- 梳理 105 个 Operators 算子库算子，明确迁移/删除
+- 105 个算子清单如下：soft_relu,class_center_sample,feed_sparse_coo_tensor,feed_dense_tensor,feed_strings,fetch_v2,crop,crop_grad,data_norm,data_norm_grad,data_norm,data_norm_grad,anchor_generator,anchor_generator,collect_fpn_proposals,collect_fpn_proposals,generate_proposals,generate_proposals,moving_average_abs_max_scale,straight_through_estimator_grad,moving_average_abs_max_scale,straight_through_estimator_grad,resnet_basic_block,resnet_basic_block_grad,resnet_unit,resnet_unit_grad,resnet_unit,resnet_unit_grad,get_tensor_from_selected_rows,bilinear_interp,bilinear_interp_grad,nearest_interp,nearest_interp_grad,trilinear_interp,trilinear_interp_grad,linear_interp,linear_interp_grad,bicubic_interp,bicubic_interp_grad,bilinear_interp,bilinear_interp_grad,nearest_interp,nearest_interp_grad,trilinear_interp,trilinear_interp_grad,linear_interp,linear_interp_grad,bicubic_interp,bicubic_interp_grad,load_combine,load_combine,load_combine,load,load_sr,lod_reset,lod_reset_grad,lod_reset,lod_reset_grad,lookup_table,lookup_table_grad,lookup_table,lookup_table_grad,margin_cross_entropy,margin_cross_entropy_grad,matmul,matmul_grad,matmul_grad_grad,matmul,matmul_grad,memcpy_d2h,memcpy_h2d,nce,nce_grad,nearest_interp,bilinear_interp,matmul,matmul_grad,pull_box_sparse,push_box_sparse,pull_gpups_sparse,push_gpups_sparse,pull_gpups_sparse,push_gpups_sparse,push_dense,reshape,reshape_grad,row_conv,row_conv_grad,row_conv,row_conv_grad,save_combine_tensor,save_combine_vocab,save_combine_tensor,save_combine_vocab,save,save_sr,seed,seed,soft_relu,soft_relu_grad,faster_tokenizer,sync_batch_norm,sync_batch_norm_grad,sync_batch_norm_coo,sync_batch_norm_coo_grad
+- 根据梳理结论，迁移/删除算子
+
+**验收说明：**
+
+- 完成 105 个算子的迁移/删除
+
+**技术要求：**
+
+- 熟练掌握 Python 语言
+- PIH 算子库的基本原理
+- 了解 Operator 算子库的基本原理
+
+**参考资料：**
+
+- [飞桨 PHI 算子库介绍](https://www.paddlepaddle.org.cn/support/news?action=detail&id=2994)
+- [PHI 算子库 kernel 注册全流程](https://github.com/PaddlePaddle/community/blob/master/pfcc/paddle-code-reading/PHI_kernel_registration/PHI_kernel_registration.md)
+- [Kernel 选择分发体系梳理与优化](https://github.com/PaddlePaddle/community/blob/master/pfcc/paddle-code-reading/kernel_selection/20221130_kernel_selection.md)
+
+### 二、Paddle Operator 算子库通信算子退场/迁移
+
+**任务背景：**
+
+飞桨 Paddle 自 2.0 版本以来，进行了多个重大机制改造。包括：高可复用算子库 PHI、全新的动态图体系。随着新机制的发布使用，旧机制和功能代码需要进行退场和移除，保持架构清晰和代码库的条理性，为内外部开发者提供更好的二次开发环境。这就包括了 Operators 算子库的清理。
+
+**详细描述：**
+
+- 梳理 115 个 Operators 算子库算子，明确迁移/删除
+- 115 个算子清单如下：alltoall,alltoall,barrier,barrier,c_allgather,c_allgather,c_allgather,c_allreduce_avg,c_allreduce_max,c_allreduce_max,c_allreduce_max,c_allreduce_min,c_allreduce_min,c_allreduce_min,c_allreduce_prod,c_allreduce_prod,c_allreduce_prod,c_allreduce_sum,c_allreduce_sum,c_allreduce_sum,c_broadcast,c_broadcast,c_broadcast,c_comm_init_all,c_comm_init_all,c_concat,c_concat,c_concat,c_reduce_avg,c_reduce_max,c_reduce_max,c_reduce_max,c_reduce_min,c_reduce_min,c_reduce_min,c_reduce_prod,c_reduce_prod,c_reduce_prod,c_reduce_sum,c_reduce_sum,c_reduce_sum,c_reducescatter,c_reducescatter,c_scatter,c_scatter,c_softmax_with_cross_entropy,c_softmax_with_cross_entropy,c_softmax_with_cross_entropy_grad,c_softmax_with_cross_entropy,c_softmax_with_cross_entropy_grad,c_sync_calc_stream,c_sync_calc_stream,c_sync_comm_stream,c_sync_comm_stream,global_gather,global_gather,global_scatter,global_scatter,mp_allreduce_sum,mp_allreduce_sum,mp_allreduce_sum,partial_allgather,partial_allgather,partial_recv,partial_recv,partial_send,partial_send,recv_v2,recv_v2,send_v2,send_v2,save_combine,load_combine,c_concat,c_split,c_embedding,c_embedding_grad,c_softmax_with_cross_entropy,c_softmax_with_cross_entropy_grad,c_identity,c_sync_calc_stream,c_allreduce_sum,mp_allreduce_sum,c_allreduce_min,c_allreduce_max,c_allreduce_prod,c_broadcast,barrier,number_count,limit_by_capacity,prune_gate_by_capacity,random_routing,assign_pos,global_scatter,global_gather,fused_attention,fused_attention_grad,fused_feedforward,fused_feedforward_grad,fused_multi_transformer_int8,fused_multi_transformer,ncclAllReduce,ncclBcast,ncclReduce,distributed_fused_lamb,distributed_fused_lamb,distributed_lookup_table,distributed_lookup_table,distributed_push_sparse,distributed_push_sparse,send_and_recv,pull_sparse,push_sparse,pull_sparse_v2,push_sparse_v2
+- 根据梳理结论，迁移/删除算子
+
+**验收说明：**
+
+- 完成 115 个算子的迁移/删除
+
+**技术要求：**
+
+- 熟练掌握 Python 语言
+- PIH 算子库的基本原理
+- 了解 Operator 算子库的基本原理
+- 了解通信算子的基本原理
+
+**参考资料：**
+
+- [飞桨 PHI 算子库介绍](https://www.paddlepaddle.org.cn/support/news?action=detail&id=2994)
+- [PHI 算子库 kernel 注册全流程](https://github.com/PaddlePaddle/community/blob/master/pfcc/paddle-code-reading/PHI_kernel_registration/PHI_kernel_registration.md)
+- [Kernel 选择分发体系梳理与优化](https://github.com/PaddlePaddle/community/blob/master/pfcc/paddle-code-reading/kernel_selection/20221130_kernel_selection.md)
+
+### 三、x2paddle 套件能力建设
+
+**任务背景**：
+
+X2Paddle 是飞桨生态下的模型转换工具，致力于帮助其它深度学习框架（Caffe/TensorFlow/ONNX/PyTorch）用户快速迁移至飞桨框架。由于近期 Paddle 新版本的升级存在不兼容部分（如 `paddle.fluid` API 全面退场，0-d tensor，view 行为修改等），需要重新对 X2Paddle 进行适配开发与回归测试，保证模型转换工具的正常运转，转换后模型的功能与精度不受损失。同时，近期大模型领域有新的热门模型发布，需要添加此类模型的转换策略，保证模型转换工具的丰富度和领先性。
+
+**详细描述：**
+
+1. 基于 Paddle 3.0.0-beta 版本对 X2Paddle 进行适配升级，梳理已有堵点并解决。保证 [test_benchmark](https://github.com/PaddlePaddle/X2Paddle/tree/develop/test_benchmark) 目录下已适配的 100+ 模型在 新 Paddle 版本 & 新其他深度学习框架版本下的正常运转。（当时适配版本见[这里](https://github.com/PaddlePaddle/X2Paddle?tab=readme-ov-file#环境依赖)）
+2. 基于 Paddle 3.0.0-beta 版本，新增 1-2 个大语言模型的转换策略。
+
+**验收说明：**
+
+1. X2Paddle 基于 Paddle 3.0.0-beta 版本，完成 100+ 原有模型的适配。
+2. X2Paddle 基于 Paddle 3.0.0-beta 版本，新增 1-2 个大语言模型的转换策略。
+
+**技术要求：**
+
+- 熟悉 Python，工程能力强
+- 对深度学习有一定了解，有深度学习框架应用和研发经验（加分项）
+- 有大模型相关经验（加分项）
+
+**参考资料：** https://github.com/PaddlePaddle/X2Paddle
+
+### 四、前沿扩散模型飞桨复现
+
+**任务背景：**
+
+FLUX.1 是由 Black Forest Labs 推出的 AI 图像生成模型，拥有 12B 参数，是迄今为止最大的开源文生图模型，目前该团队推出了三款模型变体，分别是快速版-FLUX.1[schnell]、开发版-FLUX.1[dev]和专业版 FLUX.1[pro]。PPDiffusers 是 PaddleMIX 下一款支持多种模态（如文本图像跨模态、图像、语音）扩散模型（Diffusion Model）训练和推理的国产化工具箱，依托于 PaddlePaddle 框架和 PaddleNLP 自然语言处理开发库，目前我们已经完成了套件的训练、推理、应用等基础能力建设，但跨模态文图领域发展迅速，需要从模型、训练、推理等方面不断地跟进与丰富。
+
+**详细描述：**
+
+参考 Diffusers 及 flux 原库完成模型复现、推理 pipeline 复现、模型转换等、lora 训练等，具体包括
+
+- flux.1 基础模型复现，包含其依赖的相关基础组件
+- fulx.1 推理 pipeline 构建，包含 FluxPipeline 及 FluxControlNetPipeline
+- 提供相关的 paddle 模型权重
+- 支持并对齐 flux 的 dreambooth lora 训练
+
+**验收说明：**
+
+- 相关 PR 合入 PaddleMIX/PPDiffusers
+- 产出精度对齐数据
+- 提供单侧代码，在本地及 CI 测试通过
+
+**技术要求：**
+
+- 熟练掌握 Python 语言
+- 熟练使用 PyTorch/Paddle 框架 API
+- 熟悉扩散模型原理
+
+**参考资料：**
+
+- https://github.com/black-forest-labs/flux
+
+- https://github.com/huggingface/diffusers/tree/main/src/diffusers/pipelines/flux