接连三次霸榜 GitHub，这个国产 GitHub 项目是真的强...

关注

发布于: 刚刚

想要应用 AI 技术进行产业智能化升级，又担心缺乏计算机、数学等理论基础？

AI 算法训练完成，优化部署上线又是一个趟不过去的大坑？

别担心，今天就教大家应用一个开源项目——飞桨全流程开发工具 PaddleX，快速开发 AI 算法并快速部署实现业务上线，搭上人工智能的产业浪潮！

这个开源项目三次登上 GitHub Daily 全球趋势榜，2.7k 星标；不需要数学基础，不需要编程大牛，只要下载就可以快速开发 AI 算法模型并投产应用；还有工业制造、安防巡检、能源电力、卫星遥感、智能交通等行业海量的示例项目！所有代码全公开，让你可以一键利用云资源就可以运行，换数据就可以进行任务迁移，超低代码实现多环境、多硬件部署，实在是业界良心，“飘香四溢”啊～

小遍赶紧识趣的送上传送门，建议小伙伴们 Star 收藏后再慢慢研究：

https://github.com/PaddlePaddle/PaddleX

那这个项目到底有什么过人之处，又具体能做些什么呢？下面就展开来给大家详细介绍一下。

01. 能做什么？

图像分类、目标检测、语义分割、实例分割任务全覆盖！还提供工业制造、安防巡检、能源电力、卫星遥感、智能交通等十多个行业的实际场景详细的示例工程！

工业制造：瑕疵检测、目标定位、智能抓取、自动分拣、产品计数；
安防巡检：输电线路及基站本体异物检测，表计等设备检测及读数，异常喷洒、火情检测；
智慧城市：车辆、行人、交通标志检测，卫星遥感图像识别，建筑物、农作物、道路等检测、分割及变化检测及面积计算；
智慧零售：商品检测、商标检测及计数；
智慧医疗领域：CT 影像分割、肺炎筛查、眼底病变筛查。

02. 怎么用？

PaddleX 提供了从数据预处理、超参配置、模型训练与评估、模型多端部署等深度学习产业项目开发全流程全面覆盖。

数据准备

PaddleX 适配产业标准数据标注格式，支持常用标注工具，如：Labelme、精灵标注、EasyData 等。原生匹配数据格式转化方法。同时提供多种数据增强的策略，适配了 imgaug 图像增强库，支持上百种数据增强操作，有效缓解小样本训练难题。

模型训练

为了满足用户的多种需求，PaddleX 提供多种开发方式。

>> 本地 API：

pip install 一键安装， 3 个 API 即可完成深度学习算法训练！与【图形化开发界面】开发流程相同，提供极简的 API，功能更丰富、开发更灵活、开源易集成。

>> RESTful API：

不论你将训练框架部署在哪里，只需要启动 RESTful API 服务，即可在本地调起开发界面调动远程服务器的资源进行训练。

>> 训练过程可视化分析：

集成可视化分析工具 VisualDL 的能力，直观的将准确率、loss、PR 曲线、数据样本分布情况等用图表的方式呈现，使你清晰了解算法训练过程，加速调参。

>> 一键完成模型量化、裁剪：

通过极简的方式即可快速进行算法的裁剪、量化，有效对算法进行体积、参数量的减小，速度、精度的提升。

模型部署

为了满足工业级别的部署，PaddleX 更是提供了全方位的部署服务：支持 Python、C++、C#等多语言部署；提供本地预测、服务化预测、边缘预测部署等多种解决方案；适配业界常用的 CPU、GPU（包括 NVIDIA Jetson）、树莓派等硬件。

>> 多硬件、多环境快速部署上线：

PaddleX Deploy 模块：适配业界常用的 CPU、GPU（包括 NVIDIA Jetson）、树莓派等硬件；支持 PaddleClas PaddleDetection PaddleSeg 三个套件的模型的部署；支持用户采用 OpenVINO 或 TensorRT 进行推理加速；完备支持工业最常使用的 Windows 系统，且提供 C#语言进行部署的方式！