共计 3127 个字符，预计需要花费 8 分钟才能阅读完成。
随着 ChatGPT 引领的 AI 破圈，各行各业掀起了 AI 落地的潮流，从智能客服、智能写作、智能监控，到智能医疗、智能家居、智能金融、智能农业，谁能疾速将 AI 与传统业务相结合，谁就将成为企业数字化和智能化改革的优胜者。然而，将人工智能技术落地利用面临着诸多挑战，例如从如何抉择适宜的可落地模型，到满足不同业务的多模型联结利用；从疾速实现 AI 模型的训练微调，到如何将模型高效部署。
为了应答这些挑战，飞桨团队推出了飞桨 AI 套件（PaddleX）——精选产业实用模型的一站式开发平台。蕴含如下特点：
- 优质的算法库
蕴含 10 多个工作场景的 36 个精选模型，提供欠缺的模型推理 benchmark 数据，开发者能够基于业务需要抉择最合适的模型。 - 便捷的开发方式
提供无代码 + 低代码的开发方式，只需四步，即可实现数据、训练、验证和部署的全流程 AI 开发。 - 高效的模型部署
欠缺的部署能力反对，实现跨平台、跨硬件的疾速产业级部署。 - 丰盛的国产硬件反对
PaddleX 不仅能够在 AI Studio 云端应用，还反对 Windows 本地部署，并正在不断丰富 Linux 版本、昆仑芯版本、昇腾版本和寒武纪版本。 - 共赢的联创共建
除了便捷地开发 AI 利用外，PaddleX 还为大家提供了获取商业收益的机会，为企业摸索更多商业空间，实现独特成长和共赢。
作为一款高效的开发神器，PaddleX 值得每一位开发者领有。接下来，咱们将具体解析 PaddleX 的外围能力，助您更好地理解并利用这款工具。增加 AI Studio 飞桨 AI 套件官网频道，和大家一起探讨吧！
AI Studio 飞桨 AI 套件官网频道
https://aistudio.baidu.com/community/channel/610
如果你想进一步理解 PaddleX，也能够通过增加经营同学，并回复【PaddleX】的形式，退出官网交换群！
PaddleX 云端应用链接
https://aistudio.baidu.com/modelsoverview?category=%E4%BA%A7%…
PaddleX Windows 本地端下载链接
https://www.paddlepaddle.org.cn/paddle/paddleX
优质的算法库首先介绍下 PaddleX 平台中的精选算法模型汇合。飞桨在撑持企业 AI 落地过程中，总结多年的实践经验，积淀出了面向 10+ 工作场景的 36 个精选模型，对立收录到了 PaddleX 中，并且这个汇合还在继续丰盛中。从此，飞桨开发者能够在一款软件中，实现不同 AI 工作的开发部署工作。
不过，同一工作下往往有不止一种模型算法，如何抉择适宜业务场景的模型呢？不慌，PaddleX 提供了欠缺的模型 benchmark 数据，可帮忙开发者基于业务需要抉择精度高 / 速度快 / 平衡的模型，从此解脱模型抉择艰难症。
PaddleX 提供的模型选型能力请见
https://ai.baidu.com/ai-doc/AISTUDIO/vlistbd6p
将来将继续丰盛欠缺，敬请关注~
繁难的开发方式
说完算法库和模型选型，接下来就该进入外围的模型开发环节了。如果说 PaddleX 给大家带来的第一印象是什么，大略就是工具箱 / 开发者双模式的联动开发方式了。
工具箱模式
开发者模式
工具箱模式主打一个 简略无脑，筹备好符合规范要求的数据集，而后在 webui 界面中数据校验、模型训练、评估测试、模型部署一溜烟操作下来，AI 模型开发全流程就丝滑地走完了。
开发者模式则提供了一个 自在的广场，实质上是在 VS Code 集成开发环境的根底上，搭建好了 PaddleX 团队精心设计的超高层 API（UAPI）底座， 4 个外围 API 即可实现模型开发部署，剩下的就全凭大家自由发挥啦。
UAPI 应用阐明
https://ai.baidu.com/ai-doc/AISTUDIO/7ll0srufz
两种开发模式之间并不是割裂的，而是严密关联的。简略来说，工具箱模式的每一个关键步骤，都对应了开发者模式下的一个 UAPI 接口。而工具箱模式下的所有配置批改，都会实时落盘，使得两个模式之间能够无缝切换，接续开发。
另一方面，小伙伴们如果感觉工具箱模式还不够好用，齐全能够“本人入手，饥寒交迫”。在开发者模式下编辑完工具箱模式的 Python 代码之后，切换到工具箱模式并点击“从新加载”，工具箱 DIY 就实现啦。咱们十分激励大家进行工具箱的二次开发，优良的创意将有机会被官网纳入 PaddleX 精选模板，让宽广开发者受害于你的创意。
高效的部署模式
对不少学习 AI 的小伙伴来说，训练失去了合乎精度要求的模型，工作就告一段落了。然而对于 AI 模型的落地利用，还须要十分要害的临门一脚——模型部署。在很多产业利用的理论场景中，通过欠缺的模型部署后，推理性能能够晋升好几倍，这样能力满足实在的业务需要。飞桨提供了 Paddle Inference、Paddle Lite 等高性能推理库，以及专一于疾速便捷部署体验的 FastDeploy，来帮忙宽广飞桨开发者实现这要害一步。喜大普奔的是，PaddleX 无缝集成了 FastDeploy 的能力，轻松点选您的部署环境要求，就能够获取相应的部署包啦~
第一步，导出预测模型
第二步，获取部署包
获取部署包之后，就能够依照其中的具体应用阐明，去指标设施进行 AI 模型的部署啦~
目前 PaddleX 上线的飞桨精选模型，根本已满足下表的部署反对状况。
在将来，PaddleX 还将反对 C#、多款端侧硬件、以及服务化部署的性能，敬请期待吧！
丰盛的国产硬件反对
PaddleX 目前曾经能够在 AI Studio 星河社区云端和 Windows 本地端进行应用，但这还不够，为了满足更多用户的研发生产需要，PaddleX 布局了丰盛齐备的国产硬件反对打算，如下表所示。请大家时刻关注飞桨公众号，敬请期待呦~
共赢的联创共建
除了能够更便捷地开发 AI 模型和利用外，PaddleX 还为大家提供了获取商业收益的机会。
搭档们基于 PaddleX 开发出产业利用后，能够拟定利用价格，通过 SDK 形式凋谢给其余用户；其余用户购买 SDK 后，搭档可取得相应支出分成。
其余用户无需从新训练模型，能够间接通过接口实现数据输出和获取处理结果，防止反复开发，晋升效率。
目前已有多个搭档凋谢并上线相干利用。
基于 Picodet 的车载路面垃圾检测
https://aistudio.baidu.com/modelsdetail/385?modelId=385
基于 CLIP 的野生动物及其制品分类
https://aistudio.baidu.com/modelsdetail/386?modelId=386
基于 PP-OCRv4 的文档场景检测辨认
https://aistudio.baidu.com/modelsdetail/387?modelId=387
此外，不少开发者依据 PaddleX 提供的范例我的项目，串联大、小模型，开发出了颇受大家欢送的利用。比方数链科技，基于 PP-ChatOCR 我的项目，开发出“大宗商品贸易合同信息抽取利用 ”，要害信息抽取准确率达到 95% 以上；凋谢给行业客户后，客户信息录入效率晋升了 150%，数链科技也取得了可观收益。
智能合同要害信息抽取剖析零碎
https://aistudio.baidu.com/projectdetail/6718801
如果您也有志愿公布基于 PaddleX 的产业利用，能够增加小助手，回复“联创”即可。
最初，略微总结一下：PaddleX 是一站式、全流程、高效率的飞桨 AI 套件，具备飞桨生态优质模型和产业计划。PaddleX 的使命是助力 AI 技术疾速落地，愿景是使人人成为 AI Developer！
目前 PaddleX 正在疾速迭代，欢送大家试用和斧正！比心~