PaddleX全流程开发工具公开邀测啦！

产业智能化升级的浪潮并没有因为疫情等原因停滞不前&＃xff0c;作为带来人工智能应用井喷式发展的深度学习技术在近几年也可谓是“时代宠儿”&＃xff0c;想要尝试应用深度学习技术解决产业实际问题的开发者越来越多。但在深度学习技术的学习及项目落地过程中往往面临着验证成本高、研发周期长等诸多困难&＃xff0c;那么在深度学习探索之路上&＃xff0c;谁来为我们的小伙伴们保驾护航呢&＃xff1f;这里向您隆重推荐一位精英级别的保镖——飞桨全流程开发工具PaddleX。

什么是PaddleX&＃xff1f;

依托飞桨开源深度学习框架和丰富的工具组件&＃xff0c;PaddleX进行全流程的整合打通&＃xff0c;为开发者提供飞桨全流程开发的最佳实践。它集飞桨核心框架、模型库、工具及组件等深度学习开发所需全部能力于一身&＃xff0c;提供简明易懂的Python API&＃xff0c;方便用户根据实际生产需求进行直接调用或二次开发&＃xff0c;是提升深度学习项目开发效率的最佳辅助工具。这套工具的公测版于2020年3月30日在飞桨官网上发布&＃xff0c;我们诚挚地邀请您试用&＃xff0c;并根据您的意见不断进步及演化&＃xff0c;让它助力每一位深度学习开发者实现无限创造。

PaddleX的四大优势

PaddleX为开发者提供了基于飞桨核心框架的全流程应用API&＃xff0c;在集成飞桨模型库、工具组件的基础上&＃xff0c;提供了更高层、更简洁的开发方式。为了帮助开发者更好地了解飞桨的开发步骤以及所涉及的模块组件&＃xff0c;进一步提升项目开发效率&＃xff0c;我们还为开发者提供了基于PaddleX实现的图形化开发界面示例&＃xff0c;用户可以基于该界面示例进行改造&＃xff0c;开发符合自己习惯的操作界面。开发者可以根据实际业务需求&＃xff0c;直接调用或改造PaddleX后端技术内核来开发项目&＃xff0c;或使用图形化开发界面快速体验飞桨模型开发全流程。PaddleX代码将于5月开源&＃xff0c;届时开发者可自由改造PaddleX的后端&＃xff0c;并自主完成前端实现。整体来说PaddleX具备如下四大优势&＃xff1a;

• 全流程打通

将深度学习开发从数据接入、模型训练、参数调优、模型评估、预测部署全流程打通&＃xff0c;省去了对各环节间串连的代码开发与脚本调用&＃xff0c;极大地提升了开发效率。

• 开源技术内核

集成了PaddleCV领先的视觉算法和面向任务的开发套件、预训练模型应用工具PaddleHub、可视化分析工具VisualDL、模型压缩工具PaddleSlim等技术能力于一身&＃xff0c;并提供简明易懂的Python API&＃xff0c;实现完全开源开放&＃xff0c;易于集成和二次开发&＃xff0c;为您的业务实践全程助力。

• 产业深度兼容

高度兼容Windows、Mac、Linux系统&＃xff0c;同时支持NVIDIA GPU加速深度学习训练。本地开发、保证数据安全&＃xff0c;高度符合产业应用的实际需求。

• 教程与服务

从数据集准备到上线部署&＃xff0c;为您提供业务开发全流程的文档说明及技术服务。开发者可以通过QQ群、微信群、GitHub社区等多种形式与飞桨团队及同业合作伙伴交流沟通。

PaddleX的四大武器

• PaddleCV

集成百度在CV领域多年深厚积淀的智能视觉工具、算法、模型和数据&＃xff0c;包括PaddleDetection、PaddleSeg等端到端开发套件&＃xff0c;覆盖图像分类、目标检测、语义分割及实例分割等任务。快速、高效地支持开发者完成计算机视觉的各类任务实现。

• PaddleHub

集成大量具备飞桨Master模式的高质量预训练模型&＃xff0c;让开发者通过少量样本数据的训练即可获得泛化能力更强的模型。AutoDL技术的加持&＃xff0c;进一步提升模型训练的智能化&＃xff0c;自动为模型搜索更优的参数配置。

• VisualDL

集成深度学习开发可视化分析工具VisualDL&＃xff0c;使开发者可以以图表的方式&＃xff0c;实时、直观地查看模型中参数和指标的变化趋势&＃xff0c;帮助开发者更快得到理想模型&＃xff0c;大幅优化开发体验、提升调参效率。

• PaddleSlim

集成飞桨技术领先的模型压缩工具PaddleSlim&＃xff0c;包含模型剪裁、定点量化、知识蒸馏等一系列压缩策略&＃xff0c;可显著减小模型体积、提升部署推理速度&＃xff0c;以适配工业生产环境或移动端场景的高性能推理需求。

PaddleX支持图形化界面开发

PaddleX支持用户按照自己的使用习惯基于开源后端实现图形化界面&＃xff0c;以提升工程效率。基于以上理念&＃xff0c;如下图所示&＃xff0c;PaddleX提供了覆盖数据分析、数据集切分、超参配置、模型训练、模型评估及模型部署发布的全部流程的图形化界面示例以供用户参考使用。

PaddleX的应用前景

当前PaddleX已经邀请了包括精测电子、南方电网、大恒图像、小度巡检机器人、米文动力、指挥家等多家企业试用&＃xff0c;不仅为他们大大提升了开发效率&＃xff0c;产出模型也达到了实际上线应用的水平。

以小度巡检机器人为例&＃xff0c;该产品通过使用PaddleX快速完成了目标检测、语义分割等模型的训练&＃xff0c;并部署到小度巡检机器人所携带的英伟达Jetson TX2芯片上。

该产品基于激光视觉双融合的定位导航技术&＃xff0c;具备立体空间路径规划、智能避障、自主回充等运动能力&＃xff0c;可全天候无间断执行巡检任务&＃xff0c;对于人员佩戴口罩、办公区照明、饮水机水位、果篮空置等情况实现精准检测&＃xff0c;节约了巡检人力&＃xff0c;杜绝了安全隐患&＃xff0c;全面提升巡检运维效率。该项目已于3月底在百度深研内部上线实测。

最后&＃xff0c;诚挚地邀请您成为我们的邀测企业参与PaddleX公测版的试用。

欢迎您加入PaddleX官方QQ群&＃xff08;1045148026&＃xff09;反馈您的问题和需求&＃xff0c;在这里您将遇上大批志同道合的深度学习同学。

如果您想详细了解更多飞桨的相关内容&＃xff0c;请参阅以下文档。

PaddleX官网地址&＃xff1a;

https://www.paddlepaddle.org.cn/paddle/paddlex

PaddleX项目地址&＃xff1a;

GitHub&＃xff1a;https://github.com/PaddlePaddle/PaddleX

Gitee&＃xff1a;https://gitee.com/paddlepaddle/PaddleX

飞桨官网地址&＃xff1a;

https://www.paddlepaddle.org.cn

飞桨开源框架项目地址&＃xff1a;

GitHub: https://github.com/PaddlePaddle/Paddle

Gitee: https://gitee.com/paddlepaddle/Paddle

END