---
comments: true
typora-copy-images-to: images
hide:
- navigation
- toc
---
## 🔍 简介
PaddleX 3.0 是基于飞桨框架构建的低代码开发工具，它集成了众多开箱即用的预训练模型，可以实现模型从训练到推理的全流程开发，支持国内外多款主流硬件，助力AI 开发者进行产业实践。
## 🌟 特性
🎨 模型丰富一键调用：将覆盖文本图像智能分析、OCR、目标检测、时序预测等多个关键领域的200+ 飞桨模型整合为19 条模型产线，通过极简的 Python API 一键调用，快速体验模型效果。同时支持20+ 单功能模块，方便开发者进行模型组合使用。
🚀 提高效率降低门槛：实现基于统一命令和图形界面的模型全流程开发，打造大小模型结合、大模型半监督学习和多模型融合的[8 条特色模型产线](https://aistudio.baidu.com/intro/paddlex)，大幅度降低迭代模型的成本。
🌐 多种场景灵活部署：支持高性能部署、服务化部署和端侧部署等多种部署方式，确保不同应用场景下模型的高效运行和快速响应。
🔧 主流硬件高效支持：支持英伟达 GPU、昆仑芯、昇腾和寒武纪等多种主流硬件的无缝切换，确保高效运行。
## 📣 近期更新
🔥🔥 2024.9.30，PaddleX 3.0 Beta1 开源版正式发布，提供 200+ 模型 通过极简的 Python API 一键调用；实现基于统一命令的模型全流程开发，并开源 PP-ChatOCRv3 特色模型产线基础能力；支持 100+ 模型高性能推理和服务化部署（持续迭代中），4条模型产线8个重点视觉模型端侧部署；100+ 模型开发全流程适配昇腾 910B，39+ 模型开发全流程适配昆仑芯和寒武纪。低成本完成一站式全流程开发，加速产业应用。新增文本图像智能分析利器，大小模型融合策略显著增强版面解析能力，实现高精度实时预测。10月24日（周四）19：00直播为您深度解析 PP-ChatOCRv3 开源版本以及 PaddleX 3.0 Beta1 在精度、速度方面的卓越优势。 [报名链接](https://www.wjx.top/vm/wpPu8HL.aspx?udsid=994465)
🔥 2024.6.27，PaddleX 3.0 Beta 开源版正式发布，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 AI Studio 星河社区 以零代码的方式【创建产线】使用。
## 🔠 模型产线说明
PaddleX 致力于实现产线级别的模型训练、推理与部署。模型产线是指一系列预定义好的、针对特定AI任务的开发流程，其中包含能够独立完成某类任务的单模型（单功能模块）组合。
## 📊 能力支持
PaddleX的各个产线均支持本地快速推理，部分模型支持在[AI Studio星河社区](https://aistudio.baidu.com/overview)上进行在线体验，您可以快速体验各个产线的预训练模型效果，如果您对产线的预训练模型效果满意，可以直接对产线进行[高性能推理](https://paddlepaddle.github.io/PaddleX/latest/pipeline_deploy/high_performance_inference.html)/[服务化部署](https://paddlepaddle.github.io/PaddleX/latest/pipeline_deploy/service_deploy.html)/[端侧部署](https://paddlepaddle.github.io/PaddleX/latest/pipeline_deploy/edge_deploy.html)，如果不满意，您也可以使用产线的二次开发能力，提升效果。完整的产线开发流程请参考[PaddleX产线使用概览](https://paddlepaddle.github.io/PaddleX/latest/pipeline_usage/pipeline_develop_guide.html)或各产线使用[教程](#-文档)。
此外，PaddleX在[AI Studio星河社区](https://aistudio.baidu.com/overview)为开发者提供了基于[云端图形化开发界面](https://aistudio.baidu.com/pipeline/mine)的全流程开发工具, 点击【创建产线】，选择对应的任务场景和模型产线，就可以开启全流程开发。详细请参考[教程《零门槛开发产业级AI模型》](https://aistudio.baidu.com/practical/introduce/546656605663301)
> ❗注：以上功能均基于 GPU/CPU 实现。PaddleX 还可在昆仑芯、昇腾、寒武纪和海光等主流硬件上进行快速推理和二次开发。下表详细列出了模型产线的支持情况，具体支持的模型列表请参阅[模型列表(昆仑芯XPU)](https://paddlepaddle.github.io/PaddleX/latest/support_list/model_list_xpu.html)/[模型列表(昇腾NPU)](https://paddlepaddle.github.io/PaddleX/latest/support_list/model_list_npu.html)/[模型列表(寒武纪MLU)](https://paddlepaddle.github.io/PaddleX/latest/support_list/model_list_mlu.html)/[模型列表(海光DCU)](https://paddlepaddle.github.io/PaddleX/latest/support_list/model_list_dcu.html)。我们正在适配更多的模型，并在主流硬件上推动高性能和服务化部署的实施。
🔥🔥 国产化硬件能力支持
| 模型产线 |
昇腾 910B |
昆仑芯 R200/R300 |
寒武纪 MLU370X8 |
海光 Z100 |
| 通用OCR |
✅ |
✅ |
✅ |
🚧 |
| 通用表格识别 |
✅ |
🚧 |
🚧 |
🚧 |
| 通用目标检测 |
✅ |
✅ |
✅ |
🚧 |
| 通用实例分割 |
✅ |
🚧 |
✅ |
🚧 |
| 通用图像分类 |
✅ |
✅ |
✅ |
✅ |
| 通用语义分割 |
✅ |
✅ |
✅ |
✅ |
| 时序预测 |
✅ |
✅ |
✅ |
🚧 |
| 时序异常检测 |
✅ |
🚧 |
🚧 |
🚧 |
| 时序分类 |
✅ |
🚧 |
🚧 |
🚧 |
## 💬 Discussion
我们非常欢迎并鼓励社区成员在 [Discussions](https://github.com/PaddlePaddle/PaddleX/discussions) 板块中提出问题、分享想法和反馈。无论您是想要报告一个 bug、讨论一个功能请求、寻求帮助还是仅仅想要了解项目的最新动态，这里都是一个绝佳的平台。
