/中文/
/中文/
/中文/
/中文/
/中文/
/中文/
/中文/
/中文/
/中文/
/中文/
飞桨全流程开发工具(PaddleX),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,打通深度学习开发全流程,并提供简明易懂的Python API,方便用户根据实际生产需求进行直接调用或二次开发,为开发者提供飞桨全流程开发的最佳实践。
全流程打通
针对数据准备、模型训练、模型调优、多端部署的深度学习全流程应用
易用易集成
易用易集成
简明易懂的Python API,完全开源开放,易于二次开发和二次集成
融合产业实践经验
融合产业实践经验
融合飞桨产业落地经验,精选高质量的视觉模型方案,并开放实际的案例教学
教程与服务
教程与服务
全流程开发文档说明及技术服务。多种方式与技术团队直接进行交流
操作系统:
Windows7/8/10(推荐Windows 10);
Mac OS 10.13+;
Ubuntu 18.04+;
注:处理器需为x86_64架构,支持MKL。
训练硬件:
GPU(仅Windows及Linux系统):
推荐使用支持CUDA的NVIDIA显卡,例如:GTX 1070+以上性能的显卡;
Windows系统X86_64驱动版本>=411.31;
Linux系统X86_64驱动版本>=410.48;
显存8G以上;
CPU:
PaddleX当前支持您用本地CPU进行训练,但推荐使用GPU以获得更好的开发体验。
内存:建议8G以上
硬盘空间:建议SSD剩余空间1T以上(非必须)
注:PaddleX在Windows及Mac OS系统只支持单卡模型。Windows系统暂不支持NCCL。
Version 1.1.0
2020年09月06日
新增目标检测模型PPYOLO
目标检测模型FasterRCNN和MaskRCNN新增骨干网络HRNet_W18
新增语义分割模型FastSCNN、HRNet_W18
语义分割模型DeepLabv3p新增骨干网络MobileNetV3_large_ssld
FasterRCNN、MaskRCNN、YOLOv3、PPYOLO、DeepLabv3p等模型新增内置COCO数据集预训练权重
新增示例案例RGB图像遥感分割