PaddleX

PaddleX copied to clipboard

PaddleX -- 飞桨全流程开发工具，以低代码的形式支持开发者快速实现产业实际项目落地

近期动态

2021.12.10 PaddleX发布2.1.0版本

• 新增超轻量分类模型PPLCNet，在Intel CPU上，单张图像预测速度约5ms，ImageNet-1K数据集上Top1识别准确率达到80.82%，超越ResNet152的模型效果 欢迎体验
• 新增轻量级检测特色模型PP-PicoDet，第一个在1M参数量之内mAP(0.5:0.95)超越30+(输入416像素时)，网络预测在ARM CPU下可达150FPS 欢迎体验
• 升级PaddleX Restful API，支持飞桨动态图开发模式 欢迎体验
• 新增检测模型负样本训练策略 欢迎体验
• 新增python轻量级服务化部署 欢迎体验

详情内容请参考版本更新文档。

产品介绍

:hugs: PaddleX 集成飞桨智能视觉领域图像分类、目标检测、语义分割、实例分割任务能力，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端到端打通，并提供统一任务API接口及图形化开发界面Demo。开发者无需分别安装不同套件，以低代码的形式即可快速完成飞桨全流程开发。

:factory: PaddleX 经过质检、安防、巡检、遥感、零售、医疗等十多个行业实际应用场景验证，沉淀产业实际经验，并提供丰富的案例实践教程，全程助力开发者产业实践落地。

安装与快速体验

PaddleX提供了图像化开发界面、本地API、Restful-API三种开发模式。用户可根据自己的需求选择任意一种开始体验

• PadldeX GUI开发模式
• PaddleX API开发模式
• PaddleX Restful API开发模式
• 快速产业部署

产业级应用示例

• 安防
  • 安全帽检测 | 火灾/烟雾检测
• 工业视觉
  • 表计读数 | 钢筋计数 | 视觉辅助定位抓取

PaddleX 使用文档

本文档介绍了PaddleX从数据准备、模型训练到模型剪裁量化，及最终部署的全流程使用方法。

1. 数据准备

• 数据准备流程说明
• 数据标注
• 数据格式转换
• 数据划分

2. 模型训练/评估/预测

• GUI开发模式
  • 视频教程：图像分类 | 目标检测 | 语义分割 | 实例分割
• API开发模式
  • API文档
    • 数据集读取API
    • 数据预处理和数据增强API
    • 模型API/模型加载API
    • 预测结果可视化API
  • 模型训练与参数调整
    • 模型训练
    • 训练参数调整
  • VisualDL可视化训练指标
  • 加载训好的模型完成预测及预测结果可视化
• Restful API开发模式
  • 使用说明

3. 模型压缩

• 模型剪裁
• 模型量化

4. 模型部署

• 部署模型导出
• 部署方式概览
  • 本地部署
    • C++部署
      • C++源码编译
      • C#工程化示例
    • Python部署
  • 服务化部署
    • HubServing部署（Python）
  • 基于ONNX部署（C++）
    • OpenVINO推理引擎
    • Triton部署
• 模型加密

5. 附录

• PaddleX模型库
• PaddleX指标及日志
• 无联网模型训练

常见问题汇总

• GUI相关问题
• API训练相关问题
• 推理部署问题

交流与反馈

• 项目官网：https://www.paddlepaddle.org.cn/paddle/paddlex
• PaddleX用户交流群：957286141 (手机QQ扫描如下二维码快速加入)

  

:hugs: 贡献代码:hugs:

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。

开发者贡献项目

• 工业相机实时目标检测GUI （windows系统，基于pyqt5开发）
• 工业相机实时目标检测GUI （windows系统，基于C#开发）
• 基于QT实现的跨平台图形化部署工具，支持Windows、Linux系统和X86、ARM架构欢迎体验
• 从0-1构建工业级部署线程池，欢迎体验