/PaddleX

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

Primary LanguagePythonApache License 2.0Apache-2.0

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。

🏭 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