飞桨全流程开发工具(PaddleX)，集飞桨核心框架、模型库、工具及组件等深度学习开发所需全部能力于一身，打通深度学习开发全流程，并提供简明易懂的Python API，方便用户根据实际生产需求进行直接调用或二次开发，为开发者提供飞桨全流程开发的最佳实践。
软件特色
全流程打通
针对数据准备、模型训练、模型调优、多端部署的深度学习全流程应用
易用易集成
易用易集成
简明易懂的Python API，完全开源开放，易于二次开发和二次集成
融合产业实践经验
融合产业实践经验
融合飞桨产业落地经验，精选高质量的视觉模型方案，并开放实际的案例教学
教程与服务
教程与服务
全流程开发文档说明及技术服务。多种方式与技术团队直接进行交流
安装环境
操作系统：
Windows7/8/10（推荐Windows 10）；
Mac OS 10.13+；
Ubuntu 18.04+；
注：处理器需为x86_64架构，支持MKL。
训练硬件：
GPU（仅Windows及Linux系统）：
推荐使用支持CUDA的NVIDIA显卡，例如：GTX 1070+以上性能的显卡；
Windows系统X86_64驱动版本>=411.31；
Linux系统X86_64驱动版本>=410.48；
显存8G以上；
CPU：
PaddleX当前支持您用本地CPU进行训练，但推荐使用GPU以获得更好的开发体验。
内存：建议8G以上
硬盘空间：建议SSD剩余空间1T以上（非必须）
注：PaddleX在Windows及Mac OS系统只支持单卡模型。Windows系统暂不支持NCCL。
更新日志
Version 1.1.0
2020年09月06日
新增目标检测模型PPYOLO
目标检测模型FasterRCNN和MaskRCNN新增骨干网络HRNet_W18
新增语义分割模型FastSCNN、HRNet_W18
语义分割模型DeepLabv3p新增骨干网络MobileNetV3_large_ssld
FasterRCNN、MaskRCNN、YOLOv3、PPYOLO、DeepLabv3p等模型新增内置COCO数据集预训练权重
新增示例案例RGB图像遥感分割
各位朋友，本网站本身不提供下载资源，以下资源地址均为网友整理提供，并且需离开本站，请各位网友谨慎选择，我站将不提供任何保障。另：如这些资源地址有违规或侵权行为，请联系66553826(@)qq.com，我方将在确认后第一时间断开链接。