Skip to content

Latest commit

 

History

History
281 lines (227 loc) · 19.8 KB

README_ch.md

File metadata and controls

281 lines (227 loc) · 19.8 KB
Raw

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 360+ 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

  • 2021.12.22，发布v2.2.0版本。【1】新增100+高质量模型，涵盖对话、语音处理、语义分割、文字识别、文本处理、图像生成等多个领域，预训练模型总量达到【360+】；【2】新增模型检索列表，包含模型名称、网络、数据集和使用场景等信息，快速定位用户所需的模型；【3】模型文档排版优化，呈现数据集、指标、模型大小等更多实用信息。
  • 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

精品模型效果展示【更多】【模型库】

图像类（212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（130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
  • 感谢CopyRight@ERNIE、LAC、DDParser提供相关预训练模型，训练能力开放，欢迎体验。

语音类（15个）

  • ASR语音识别算法，多种算法可选
  • 语音识别效果如下:
Input Audio Recognition Result

I knocked at the door on the ancient side of the building.

我认为跑步最重要的就是给我带来了身体健康。
  • TTS语音合成算法，多种算法可选
  • 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



  • 感谢CopyRight@PaddleSpeech提供预训练模型，训练能力开放，欢迎体验。

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。

快速开始

【零基础windows安装并实现图像风格迁移】

【零基础mac安装并实现图像风格迁移】

【零基础linux安装并实现图像风格迁移】

快速安装相关组件

!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 hub

lac = 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。

  • 非常感谢肖培楷贡献了街景动漫化，人像动漫化、手势关键点识别、天空置换、深度估计、人像分割等module
  • 非常感谢Austendeng贡献了修复SequenceLabelReader的pr
  • 非常感谢cclauss贡献了优化travis-ci检查的pr
  • 非常感谢奇想天外贡献了口罩检测的demo
  • 非常感谢mhlwsk贡献了修复序列标注预测demo的pr
  • 非常感谢zbp-xxxp和七年期限联合贡献了看图写诗中秋特别版module、谣言预测、请假条生成等module
  • 非常感谢livingbody贡献了基于PaddleHub能力的风格迁移和中秋看图写诗微信小程序
  • 非常感谢BurrowsWang修复Markdown表格显示问题
  • 非常感谢huqi修复了readme中的错别字
  • 非常感谢parano、cqvu、deehrlic三位的贡献与支持
  • 非常感谢paopjian修改了中文readme模型搜索指向的的网站地址错误#1424
  • 非常感谢Wgm-Inspur修复了readme中的代码示例问题，并优化了文本分类、序列标注demo中的RNN示例图
  • 非常感谢zl1271修复了serving文档中的错别字
  • 非常感谢AK391在Hugging Face spaces中添加了UGATIT和deoldify模型的web demo
  • 非常感谢itegel修复了快速开始文档中的错别字
  • 非常感谢AK391在Hugging Face spaces中添加了Photo2Cartoon模型的web demo