开源软件名称:PaddleHub
开源软件地址:https://gitee.com/paddlepaddle/PaddleHub
开源软件介绍:
简体中文 | English
简介与特性- PaddleHub旨在为开发者提供丰富的、高质量的、直接可用的预训练模型
- 【模型种类丰富】: 涵盖CV、NLP、Audio、Video、工业应用主流五大品类的 300+ 预训练模型,全部开源下载,离线可运行
- 【超低使用门槛】:无需深度学习背景、无需数据与训练过程,可快速使用AI模型
- 【一键模型快速预测】:通过一行命令行或者极简的Python API实现模型调用,可快速体验模型效果
- 【一键模型转服务化】:一行命令,搭建深度学习模型API服务化部署能力
- 【十行代码迁移学习】:十行代码完成图片分类、文本分类的迁移学习任务
- 【跨平台兼容性】:可运行于Linux、Windows、MacOS等多种操作系统
近期更新- 2021.05.12,新增轻量级中文对话模型plato-mini,可以配合使用wechaty实现微信闲聊机器人,参考demo
- 2021.04.27,发布v2.1.0版本。【1】新增基于VOC数据集的高精度语义分割模型2个,语音分类模型3个。【2】新增图像语义分割、文本语义匹配、语音分类等相关任务的Fine-Tune能力以及相关任务数据集;完善部署能力:【3】新增ONNX和PaddleInference等模型格式的导出功能。【4】新增BentoML 云原生服务化部署能力,可以支持统一的多框架模型管理和模型部署的工作流,详细教程. 更多内容可以参考BentoML 最新 v0.12.1 Releasenote.(感谢@parano @cqvu @deehrlic)的贡献与支持。【5】预训练模型总量达到【300】个。
- 2021.02.18,发布v2.0.0版本,【1】模型开发调试更简单,finetune接口更加灵活易用。视觉类任务迁移学习能力全面升级,支持图像分类、图像着色、风格迁移等多种任务;BERT、ERNIE、RoBERTa等Transformer类模型升级至动态图,支持文本分类、序列标注的Fine-Tune能力;【2】优化服务化部署Serving能力,支持多卡预测、自动负载均衡,性能大幅度提升;【3】新增自动数据增强能力Auto Augment,能高效地搜索适合数据集的数据增强策略组合。【4】新增词向量模型61个,其中包含中文模型51个,英文模型10个;新增图像分割模型4个、深度模型2个、图像生成模型7个、文本生成模型3个。【5】预训练模型总量达到【274】 个。
- More
图像类(161个)- 包括图像分类、人脸检测、口罩检测、车辆检测、人脸/人体/手部关键点检测、人像分割、80+语言文本识别、图像超分/上色/动漫化等
文本类(129个)- 包括中文分词、词性标注与命名实体识别、句法分析、AI写诗/对联/情话/藏头诗、中文的评论情感分析、中文色情文本审核等
语音类(3个)- TTS语音合成算法,多种算法可选
- 感谢CopyRight@Parakeet提供预训练模型,训练能力开放,欢迎体验。
- 输入:
Life was like a box of chocolates, you never know what you're gonna get. - 合成效果如下:
deepvoice3 | fastspeech | transformer | | | | 视频类(8个)- 包含短视频分类,支持3000+标签种类,可输出TOP-K标签,多种算法可选。
- 感谢CopyRight@PaddleVideo提供预训练模型,训练能力开放,欢迎体验。
举例:输入一段游泳的短视频,算法可以输出"游泳"结果
===划重点===- 以上所有预训练模型全部开源,模型数量持续更新,欢迎⭐Star⭐关注。
欢迎加入PaddleHub技术交流群- 在使用模型过程中有任何问题,可以加入官方微信群,获得更高效的问题答疑,与各行各业开发者充分交流,期待您的加入。
扫码备注"Hub"加好友之后,再发送“Hub”,会自动邀请您入群。 !pip install --upgrade paddlepaddle -i https://mirror.baidu.com/pypi/simple!pip install --upgrade paddlehub -i https://mirror.baidu.com/pypi/simple 极简中文分词案例import paddlehub as hublac = hub.Module(name="lac")test_text = ["今天是个好天气。"]results = lac.cut(text=test_text, use_gpu=False, batch_size=1, return_tag=True)print(results)#{'word': ['今天', '是', '个', '好天气', '。'], 'tag': ['TIME', 'v', 'q', 'n', 'w']} 一行代码部署lac(词法分析)模型!hub serving start -m lac 欢迎用户通过模型搜索发现更多实用的预训练模型! 更多迁移学习能力可以参考教程文档
许可证书本项目的发布受Apache 2.0 license许可认证。
致谢开发者 我们非常欢迎您为PaddleHub贡献代码,也十分感谢您的反馈。 |
请发表评论