PaddlePaddle End-to-End Development Toolkit(飞桨低代码开发工具)
PaddleX 3.0 是飞桨精选模型的低代码开发工具,支持国内外多款主流硬件的模型训练和推理,覆盖工业、能源、金融、交通、教育等全行业,助力开发者产业实践落地。
通用图像分类 | 通用目标检测 | 通用语义分割 | 通用实例分割 |
---|---|---|---|
通用OCR | 通用表格识别 | 通用场景信息抽取 | 文档场景信息抽取 |
时序预测 | 时序异常检测 | 时序分类 | 多模型融合时序预测 |
PaddleX 3.0 集成了飞桨生态的优势能力,覆盖 7 大场景任务,构建了 16 条模型产线,提供低代码开发模式,助力开发者在多种主流硬件上实现模型全流程开发。
模型产线 | 产线模块 | 具体模型 |
---|---|---|
通用图像分类 | 图像分类 | CLIP_vit_base_patch16_224 CLIP_vit_large_patch14_224 moreConvNeXt_tiny MobileNetV2_x0_25 MobileNetV2_x0_5 MobileNetV2_x1_0 MobileNetV2_x1_5 MobileNetV2_x2_0 MobileNetV3_large_x0_35 MobileNetV3_large_x0_5 MobileNetV3_large_x0_75 MobileNetV3_large_x1_0 MobileNetV3_large_x1_25 MobileNetV3_small_x0_35 MobileNetV3_small_x0_5 MobileNetV3_small_x0_75 MobileNetV3_small_x1_0 MobileNetV3_small_x1_25 PP-HGNet_small PP-HGNetV2-B0 PP-HGNetV2-B4 PP-HGNetV2-B6 PP-LCNet_x0_25 PP-LCNet_x0_35 PP-LCNet_x0_5 PP-LCNet_x0_75 PP-LCNet_x1_0 PP-LCNet_x1_5 PP-LCNet_x2_0 PP-LCNet_x2_5 ResNet18 ResNet34 ResNet50 ResNet101 ResNet152 SwinTransformer_base_patch4_window7_224 |
大模型半监督学习-图像分类 | 大模型半监督学习-图像分类 | CLIP_vit_base_patch16_224 MobileNetV3_small_x1_0 morePP-HGNet_smallPP-HGNetV2-B0 PP-HGNetV2-B4 PP-HGNetV2-B6 PP-LCNet_x1_0 ResNet50 SwinTransformer_base_patch4_window7_224 |
通用目标检测 | 目标检测 | PicoDet-S PicoDet-L morePP-YOLOE_plus-S PP-YOLOE_plus-M PP-YOLOE_plus-L PP-YOLOE_plus-X RT-DETR-L RT-DETR-H RT-DETR-X RT-DETR-R18 RT-DETR-R50 |
大模型半监督学习-目标检测 | 大模型半监督学习-目标检测 | PicoDet-S PicoDet-L morePP-YOLOE plus-S PP-YOLOE_plus-L RT-DETR-H |
通用语义分割 | 语义分割 | OCRNet_HRNet-W48 PP-LiteSeg-T moreDeeplabv3-R50 Deeplabv3-R101 Deeplabv3_Plus-R50 Deeplabv3_Plus-R101 |
通用实例分割 | 实例分割 | Mask-RT-DETR-L Mask-RT-DETR-H |
通用OCR | 文本检测 | PP-OCRv4_mobile_det PP-OCRv4_server_det |
文本识别 | PP-OCRv4_mobile_rec PP-OCRv4_server_rec |
|
大模型半监督学习-OCR | 文本检测 | PP-OCRv4_mobile_det PP-OCRv4_server_det |
大模型半监督学习-文本识别 | PP-OCRv4_mobile_rec PP-OCRv4_server_rec |
|
通用表格识别 | 版面区域检测 | PicoDet layout_1x |
表格识别 | SLANet | |
文本检测 | PP-OCRv4_mobile_det PP-OCRv4_server_det |
|
文本识别 | PP-OCRv4_mobile_rec PP-OCRv4_server_rec |
|
通用场景信息抽取v2 | 文本识别 | PP-OCRv4_mobile_rec PP-OCRv4_server_rec |
文本检测 | PP-OCRv4_mobile_det PP-OCRv4_server_det |
|
prompt工程 | - | |
文档场景信息抽取v2 | 版面分析 | PicoDet layout_1x |
文本检测 | PP-OCRv4_mobile_det PP-OCRv4_server_det |
|
文本识别 | PP-OCRv4_mobile_rec PP-OCRv4_server_rec |
|
表格识别 | SLANet | |
prompt工程 | - | |
时序预测 | 时序预测 | DLinear Nonstationary TiDE PatchTST TimesNet |
多模型融合时序预测v2 | 时序预测 | 多模型融合时序预测 |
时序异常检测 | 时序异常检测 | DLinear_ad Nonstationary_ad AutoEncoder_ad PatchTST_ad TimesNet_ad |
多模型融合时序异常检测v2 | 时序异常检测 | 多模型融合时序异常检测 |
时序分类 | 时序分类 | TimesNet_cls |
本节介绍 PaddleX 3.0 单模型的全流程开发流程,包括数据准备、模型训练/评估、模型推理的使用方法。PaddleX 3.0 支持的模型可以参考 PaddleX 模型库。
本节将介绍 PaddleX 3.0 模型产线的全流程开发流程,包括数据准备、模型训练/评估、模型推理的使用方法。PaddleX 3.0 支持的模型产线可以参考 PaddleX 模型产线列表。
本项目支持在多种硬件上进行模型的开发,除了 GPU 外,当前支持的硬件还有昆仑芯、昇腾芯、寒武纪芯。只需添加一个配置设备的参数,即可在对应硬件上使用上述工具。
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。
本项目的发布受Apache 2.0 license许可认证。