Skip to content

PaddlePaddle End-to-End Development Toolkit(『飞桨』深度学习全流程开发工具)

License

Notifications You must be signed in to change notification settings

Leborn-Dominic/PaddleX

 
 

Repository files navigation

PaddleX

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

近期活动

为了更好的满足大家对部署需求,PaddleX举办《工业级视觉算法跨平台部署方案深入解析》两日课。

  • 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
  • 基于C#实现的Windows系统高效部署方案欢迎体验
  • 从0-1构建工业级部署线程池,欢迎体验

近期动态

2021.09.10 PaddleX发布2.0.0正式版本。

  • 全新发布Manufacture SDK,支持多模型串联部署。欢迎体验
  • PaddleX部署全面升级,支持飞桨视觉套件PaddleDetection、PaddleClas、PaddleSeg、PaddleX的端到端统一部署能力。欢迎体验
  • 发布产业实践案例:钢筋计数、缺陷检测、机械手抓取、工业表计读数。欢迎体验
  • 升级PaddleX GUI,支持30系列显卡、新增模型PP-YOLO V2、PP-YOLO Tiny 、BiSeNetV2。欢迎体验

详情内容请参考版本更新文档

产品介绍

🤗 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多端部署端到端打通,并提供统一任务API接口图形化开发界面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。

🏭 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

产业级应用示例

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

2. 模型训练/评估/预测

3. 模型压缩

4. 模型部署

5. 附录

常见问题汇总

交流与反馈

🤗 贡献代码🤗

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

About

PaddlePaddle End-to-End Development Toolkit(『飞桨』深度学习全流程开发工具)

Resources

License

Stars

Watchers

Forks

Packages

No packages published

Languages

  • Python 82.5%
  • C++ 7.6%
  • HTML 5.4%
  • CMake 1.6%
  • C# 1.4%
  • Java 1.2%
  • Other 0.3%