PaddleX/docs/tutorials/pipelines/pipeline_develop.md

PaddleX 模型产线开发流程

PaddleX 提供了丰富的模型产线，模型产线由一个或多个模型组合实现，每个模型产线都能够解决特定的场景任务问题。PaddleX 所提供的模型产线均支持在线体验，如果效果不及预期，也同样支持使用私有数据微调模型，并且 PaddleX 提供了 Python API，方便将产线集成到个人项目中。具体步骤如下：

1. 【选择产线】：了解 PaddleX 支持的模型产线模型产线列表，根据场景任务选择对应的产线；
2. 【在线体验】点击对应产线的“星河社区体验地址”，前往AI Studio 星河社区进行在线体验；
3. 【选择模型】（可选）对产线中效果不及预期的模块进行微调，首先根据模块参考文档模型选择选择可替换的模型；
4. 【模型微调】（可选）选择好对应的模型后，即可进行模型训练，具体参考模型训练、评估和推理；
5. 【产线测试】（可选）将产线中的模型替换为微调后的模型进行测试，具体参考模型产线开发工具推理预测;
6. 【开发集成/部署】使用 PaddleX Python API 将模型产线集成到个人项目中（具体参考模型产线推理 Python API 文档），或使用离线部署包实现基于 FastDeploy 的本地高性能推理/服务化部署（具体参考基于 FastDeploy 的模型产线部署）。

PaddleX 模型产线开发流程图

graph LR
    select_pipeline(选择产线) --> online_experience[在线体验]
    online_experience --> online_ok{效果满意？}
    online_ok --不满意--> select_model[选择模型]
    select_model --> model_finetune[模型微调]
    online_ok --满意--> development_integration(开发集成/部署)
    model_finetune --> pipeline_test[产线测试]
    pipeline_test --> test_ok{效果满意？}
    test_ok --不满意--> select_model
    test_ok --满意--> development_integration