PaddleX

## 简介 PaddleX 3.0 是飞桨精选模型的低代码开发工具，支持国内外多款主流硬件的模型训练和推理，覆盖工业、能源、金融、交通、教育等全行业，助力开发者产业实践落地。 | **通用图像分类** | **通用目标检测** | **通用语义分割** | **通用实例分割** | | :-------------------------------------------: | :-------------------------------------------: | :-------------------------------------------: | :-------------------------------------------: | ||||| | **通用OCR** | **通用表格识别** | **通用场景信息抽取** | **文档场景信息抽取** | ||||| | **时序预测** | **时序异常检测** | **时序分类** | **多模型融合时序预测** | ||||| ## 📣 近期更新 - 🔥 **2024.6.27，PaddleX 3.0 Beta 本地端正式发布，支持以低代码的方式在本地端使用多种主流硬件进行产线和模型开发。** - 🔥 **2024.3.25，PaddleX 3.0 云端发布，支持在[星河社区](https://aistudio.baidu.com/pipeline/mine)以零代码的方式【创建产线】使用。** ## 🌟 特性 PaddleX 3.0 集成了飞桨生态的优势能力，覆盖 7 大场景任务，构建了 16 条模型产线，提供低代码开发模式，助力开发者在多种主流硬件上实现模型全流程开发。 - **基础模型产线（模型丰富，场景全面）：** 精选 68 个优质飞桨模型，涵盖图像分类、目标检测、图像分割、OCR、文本图像版面分析、文本图像信息抽取、时序分析任务场景。 - **特色模型产线（显著提升效率）：** 提供大小模型结合、大模型半监督学习和多模型融合的高效解决方案。 - **低门槛开发模式（便捷开发与部署）：** 提供零代码和低代码两种开发方式。 - **零代码开发：** 用户通过图形界面（GUI）交互式提交后台训练任务，打通在线和离线部署，并支持以 API 形式调用在线服务。 - **低代码开发：** 通过统一的 API 接口实现 16 条模型产线的全流程开发，同时支持用户自定义模型流程串联。 - **多硬件本地支持（兼容性强）：** 支持英伟达 GPU、昆仑芯、昇腾和寒武纪等多种硬件，纯离线使用。
## ⚡ 安装与快速开始 - [安装](./docs/tutorials/INSTALL.md) - 快速开始 - [单模型开发工具](./docs/tutorials/models/model_inference_tools.md) - [模型产线开发工具](./docs/tutorials/pipelines/pipeline_inference_tools.md) ## 🛠️ PaddleX 3.0 覆盖的模型和模型产线
模型产线 产线模块 具体模型
通用图像分类 图像分类 CLIP_vit_base_patch16_224
CLIP_vit_large_patch14_224
more
ConvNeXt_tiny
MobileNetV2_x0_25
MobileNetV2_x0_5
MobileNetV2_x1_0
MobileNetV2_x1_5
MobileNetV2_x2_0
MobileNetV3_large_x0_35
MobileNetV3_large_x0_5
MobileNetV3_large_x0_75
MobileNetV3_large_x1_0
MobileNetV3_large_x1_25
MobileNetV3_small_x0_35
MobileNetV3_small_x0_5
MobileNetV3_small_x0_75
MobileNetV3_small_x1_0
MobileNetV3_small_x1_25
PP-HGNet_small
PP-HGNetV2-B0
PP-HGNetV2-B4
PP-HGNetV2-B6
PP-LCNet_x0_25
PP-LCNet_x0_35
PP-LCNet_x0_5
PP-LCNet_x0_75
PP-LCNet_x1_0
PP-LCNet_x1_5
PP-LCNet_x2_0
PP-LCNet_x2_5
ResNet18
ResNet34
ResNet50
ResNet101
ResNet152
SwinTransformer_base_patch4_window7_224
大模型半监督学习-图像分类 大模型半监督学习-图像分类 CLIP_vit_base_patch16_224
MobileNetV3_small_x1_0
morePP-HGNet_small
PP-HGNetV2-B0
PP-HGNetV2-B4
PP-HGNetV2-B6
PP-LCNet_x1_0
ResNet50
SwinTransformer_base_patch4_window7_224
通用目标检测 目标检测 PicoDet-S
PicoDet-L
more
PP-YOLOE_plus-S
PP-YOLOE_plus-M
PP-YOLOE_plus-L
PP-YOLOE_plus-X
RT-DETR-L
RT-DETR-H
RT-DETR-X
RT-DETR-R18
RT-DETR-R50
大模型半监督学习-目标检测 大模型半监督学习-目标检测 PicoDet-S
PicoDet-L
more
PP-YOLOE plus-S
PP-YOLOE_plus-L
RT-DETR-H
通用语义分割 语义分割 OCRNet_HRNet-W48
PP-LiteSeg-T
more
Deeplabv3-R50
Deeplabv3-R101
Deeplabv3_Plus-R50
Deeplabv3_Plus-R101
通用实例分割 实例分割 Mask-RT-DETR-L
Mask-RT-DETR-H
通用OCR 文本检测 PP-OCRv4_mobile_det
PP-OCRv4_server_det
文本识别 PP-OCRv4_mobile_rec
PP-OCRv4_server_rec
大模型半监督学习-OCR 文本检测 PP-OCRv4_mobile_det
PP-OCRv4_server_det
大模型半监督学习-文本识别 PP-OCRv4_mobile_rec
PP-OCRv4_server_rec
通用表格识别 版面区域检测 PicoDet layout_1x
表格识别 SLANet
文本检测 PP-OCRv4_mobile_det
PP-OCRv4_server_det
文本识别 PP-OCRv4_mobile_rec
PP-OCRv4_server_rec
通用场景信息抽取v2 文本识别 PP-OCRv4_mobile_rec
PP-OCRv4_server_rec
文本检测 PP-OCRv4_mobile_det
PP-OCRv4_server_det
prompt工程 -
文档场景信息抽取v2 版面分析 PicoDet layout_1x
文本检测 PP-OCRv4_mobile_det
PP-OCRv4_server_det
文本识别 PP-OCRv4_mobile_rec
PP-OCRv4_server_rec
表格识别 SLANet
prompt工程 -
时序预测 时序预测 DLinear
Nonstationary
TiDE
PatchTST
TimesNet
多模型融合时序预测v2 时序预测 多模型融合时序预测
时序异常检测 时序异常检测 DLinear_ad
Nonstationary_ad
AutoEncoder_ad
PatchTST_ad
TimesNet_ad
多模型融合时序异常检测v2 时序异常检测 多模型融合时序异常检测
时序分类 时序分类 TimesNet_cls
- [单模型列表](./docs/tutorials/models/support_model_list.md) - [模型产线列表](./docs/tutorials/pipelines/support_pipeline_list.md) ## 📖 零代码开发教程
- [云端图形化开发界面](https://aistudio.baidu.com/pipeline/mine)：支持开发者使用零代码产线产出高质量模型和部署包。 - [教程《零门槛开发产业级 AI 模型》](https://aistudio.baidu.com/practical/introduce/546656605663301)：提供产业级模型开发经验，并且用 12 个实用的产业实践案例，手把手带你零门槛开发产业级 AI 模型。 ## 📖 低代码开发教程 ### 一、单模型开发工具 🚀 本节介绍 PaddleX 3.0 单模型的全流程开发流程，包括数据准备、模型训练/评估、模型推理的使用方法。PaddleX 3.0 支持的模型可以参考 [PaddleX 模型库](./docs/tutorials/models/support_model_list.md)。 - 快速体验 - [单模型快速体验](./docs/tutorials/models/model_inference_tools.md) - 数据准备 - [数据准备流程](./docs/tutorials/data/README.md) - [数据标注](./docs/tutorials/data/annotation/README.md) - [数据校验](./docs/tutorials/data/dataset_check.md) - [模型训练/评估/推理](./docs/tutorials/base/README.md) ### 二、模型产线开发工具 🔥 本节将介绍 PaddleX 3.0 模型产线的全流程开发流程，包括数据准备、模型训练/评估、模型推理的使用方法。PaddleX 3.0 支持的模型产线可以参考 [PaddleX 模型产线列表](./docs/tutorials/pipelines/support_pipeline_list.md)。 - [产线快速体验](./docs/tutorials/pipelines/pipeline_inference_tools.md) - [产线模型选择](./docs/tutorials/pipelines/model_select.md) - [产线开发流程](./docs/tutorials/pipelines/pipeline_develop.md) ## 🌟 多硬件支持 本项目支持在多种硬件上进行模型的开发，除了 GPU 外，当前支持的硬件还有**昆仑芯**、**昇腾**、**寒武纪**。只需添加一个配置设备的参数，即可在对应硬件上使用上述工具。使用方式详情[多硬件使用](./docs/tutorials/base/devices_use_guidance.md)。 - 昇腾支持的模型列表请参考 [PaddleX 昇腾模型列表](./docs/tutorials/models/support_npu_model_list.md)。 - 昆仑芯支持的模型列表请参考 [PaddleX 昆仑芯模型列表](./docs/tutorials/models/support_xpu_model_list.md)。 - 寒武纪支持的模型列表请参考 [PaddleX 寒武纪模型列表](./docs/tutorials/models/support_mlu_model_list.md)。 ## 👀 贡献代码 我们非常欢迎您为 PaddleX 贡献代码或者提供使用建议。如果您可以修复某个 issue 或者增加一个新功能，欢迎给我们提交 Pull Requests。 ## 许可证书 本项目的发布受[Apache 2.0 license](./LICENSE)许可认证。