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~