首先paddlex的网址链接是:
飞桨AI Studio星河社区-人工智能学习与实训社区 (baidu.com)
进入paddlex以后的界面如下所示:
首先说明paddlex的作用是:
PaddleX是PaddlePaddle深度学习框架的一个扩展库,专注于为深度学习任务提供强大的图像处理和增强功能,以及完整的深度学习开发套件。
PaddleX具有的功能涵盖了计算机视觉领域的众多方面,例如图像分类、目标检测、人脸识别、文字识别、图像生成、姿态估计等,同时它还支持视频处理和3D图像处理,这使得PaddleX在深度学习研究和项目开发中非常实用。
PaddleX提供了大量易于使用的API,可以帮助开发者快速地构建和训练各种深度学习模型,而无需从头开始编写代码。此外,PaddleX还支持多种硬件平台,并可以与各种流行的深度学习框架进行无缝集成,例如TensorFlow、PyTorch等。
这里拿这个目标检测的套件来作为例子,进行展示:
点击训练进来,就是下面这个页面:
在paddlex里面,会提供一系列的训练,加载模型的方式。
在这里,建议初学者使用工具箱模式,对于使用者要求比较低,不需要写很多代码,即可训练出自己想要的模型
数据格式参考如下:
在这里会按照我们开发深度学习的模型的常用套路方法,依次进行模型训练和开发,首先是数据效验,就是确定数据集是否正确无误,如图所示会检测到以下的数据集,包括训练集和验证集,通常训练集和验证集的比例是在:7:3的样子。
然后就可以开始模型训练,在模型训练里面提供了训练epochs的数量,每一次训练步长和学习率,GPU的选择,还有输出模型位置,如果想知道训练到哪一步了,就看下面的运行日志会实时更新,如果日志更新太快,来不及看,就取消自动刷新即可。
评估模式:在模型训练完成以后,我们需要测试训练出来的模型的效果是怎么样的?
为此,在右边就提供了这样的测试接口
另外还有模型导出应用的功能,目前还只是支持C++和python。
官方给出的说明是:
模型部署功能仅支持工具箱模式
使用,提供了导出预测模型以及导出部署包的功能。部署包为模型在不同系统、不同语言、不同硬件条件下用于部署的SDK。
导出预测模型:支持开发者将训练好的模型以静态图的形式导出,方便模型部署。通过【选择模型权重】,下拉选择想要导出的预测模型,设置好保存目录后即可导出模型。文章来源:https://www.toymoban.com/news/detail-724969.html
导出部署包:文章来源地址https://www.toymoban.com/news/detail-724969.html
- 部署模型有两种来源:在PaddleX训练好并导出的预测模型,或者开发者自己上传的模型。开发者需要选择好模型路径,并注意选择静态图模型(后缀为pdiparams而不是pdparams)。
- 先从操作系统选择,选择操作系统后,会根据该操作系统支持的情况显示对应内容;依次选择编程语言、CPU、加速卡,后台会将模型和部署SDK等自动打包好,提供给开发者。
- 部署包保存路径:最终打包的部署包,会保存到项目空间,具体路径见于【部署包保存路径】,注意在AI Studio云端需要切换到开发者模式下载部署包。
- 部署包使用文档:部署包中包含详细使用文档,开发者根据文档即可完成部署包在项目中的集成。
到了这里,关于使用paddleX体验的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!