https://github.com/PaddlePaddle/PaddleX.git
|
|
5 年之前 | |
|---|---|---|
| deploy | 5 年之前 | |
| docs | 5 年之前 | |
| examples | 5 年之前 | |
| paddlex | 5 年之前 | |
| tools | 5 年之前 | |
| tutorials | 5 年之前 | |
| .pre-commit-config.yaml | 5 年之前 | |
| LICENSE | 5 年之前 | |
| README.md | 5 年之前 | |
| commit-prepare.sh | 5 年之前 | |
| requirements.txt | 5 年之前 | |
| setup.py | 5 年之前 |
PaddleX--飞桨全功能开发套件,集成了飞桨视觉套件(PaddleClas、PaddleDetection、PaddleSeg)、模型压缩工具PaddleSlim、可视化分析工具VisualDL、轻量化推理引擎Paddle Lite 等核心模块的能力,同时融合飞桨团队丰富的实际经验及技术积累,将深度学习开发全流程,从数据准备、模型训练与优化到多端部署实现了端到端打通,为开发者提供飞桨全流程开发的最佳实践。
PaddleX 提供了最简化的API设计,并官方实现GUI供大家下载使用,最大程度降低开发者使用门槛。开发者既可以应用PaddleX GUI快速体验深度学习模型开发的全流程,也可以直接使用 PaddleX API 更灵活地进行开发。
更进一步的,如果用户需要根据自己场景及需求,定制化地对PaddleX 进行改造或集成,PaddleX 也提供很好的支持。
数据准备:兼容ImageNet、VOC、COCO等常用数据协议, 同时与Labelme、精灵标注助手、EasyData智能数据服务平台](https://ai.baidu.com/easydata/)等无缝衔接,全方位助力开发者更快完成数据准备工作。
数据预处理及增强:提供极简的图像预处理和增强方法--Transforms,适配imgaug图像增强库,支持上百种数据增强策略,是开发者快速缓解小样本数据训练的问题。
模型训练:集成PaddleClas, PaddleDetection, PaddleSeg视觉开发套件,提供大量精选的、经过产业实践的高质量预训练模型,使开发者更快实现工业级模型效果。
模型调优:内置模型可解释性模块、VisualDL可视化分析工具。使开发者可以更直观的理解模型的特征提取区域、训练过程参数变化,从而快速优化模型。
多端安全部署:内置PaddleSlim模型压缩工具和模型加密部署模块,与飞桨原生预测库Paddle Inference及高性能端侧推理引擎Paddle Lite 无缝打通,使开发者快速实现模型的多端、高性能、安全部署。
PaddleX提供两种开发模式,满足不同场景和用户需求:
Python开发模式: 通过Python API方式完成全流程使用或集成,该模型提供全面、灵活、开放的深度学习功能,有更高的定制化空间。
Padlde-GUI模式: PaddleX-GUI支持Python开发模式下的常用功能,以更低门槛的方式快速完成产业验证的模型训练。
开发者可根据自身需要按需选择不同的模式进行安装使用。
前置依赖
pycocotools
pip install paddlex -i https://mirror.baidu.com/pypi/simple
安装的相关问题参考PaddleX安装
进入PaddleX官网下载使用,申请下载绿色安装包,开箱即用。 Paddle-GUI的使用教程可参考PaddleX-GUI模式使用教程
推荐访问PaddleX在线使用文档,快速查阅读使用教程和API文档说明。
基于AIStudio平台,快速在线体验PaddleX的Python开发模式教程。

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.