PaddleX：一站式、全流程、高效率的飞桨AI套件-编程知识

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，谁能快速将AI与传统业务相结合，谁就将成为企业数字化和智能化变革的优胜者。然而，将人工智能技术落地应用面临着诸多挑战，例如从如何选择适合的可落地模型，到满足不同业务的多模型联合应用；从快速完成AI模型的训练微调，到如何将模型高效部署。

为了应对这些挑战，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。包含如下特点：

优质的算法库

包含10多个任务场景的36个精选模型，提供完善的模型推理benchmark数据，开发者可以基于业务需求选择最合适的模型。

便捷的开发方式

提供无代码+低代码的开发方式，只需四步，即可完成数据、训练、验证和部署的全流程AI开发。

高效的模型部署

完善的部署能力支持，实现跨平台、跨硬件的快速产业级部署。

丰富的国产硬件支持

PaddleX不仅可以在AI Studio云端使用，还支持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应用外，PaddleX还为大家提供了获取商业收益的机会，为企业探索更多商业空间，实现共同成长和共赢。

在这里插入图片描述

作为一款高效的开发神器，PaddleX值得每一位开发者拥有。接下来，我们将详细解析PaddleX的核心能力，助您更好地了解并应用这款工具。添加AI Studio飞桨AI套件官方频道，和大家一起讨论吧！

AI Studio飞桨AI套件官方频道
https://aistudio.baidu.com/community/channel/610

如果你想进一步了解PaddleX，也可以通过添加运营同学，并回复【PaddleX】的方式，加入官方交流群！

PaddleX云端使用链接
https://aistudio.baidu.com/modelsoverview?category=%E4%BA%A7%E4%B8%9A%E6%96%B9%E6%A1%88&supportPaddlex=1&sortBy=weight

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集合。飞桨在支撑企业AI落地过程中，总结多年的实践经验，沉淀出了面向10+任务场景的36个精选模型，统一收录到了PaddleX中，并且这个集合还在持续丰富中。从此，飞桨开发者可以在一款软件中，完成不同AI任务的开发部署工作。
在这里插入图片描述
不过，同一任务下往往有不止一种模型算法，如何选择适合业务场景的模型呢？不慌，PaddleX提供了完善的模型benchmark数据，可帮助开发者基于业务需求选择精度高/速度快/均衡的模型，从此摆脱模型选择困难症。

PaddleX提供的模型选型能力请见
https://ai.baidu.com/ai-doc/AISTUDIO/vlistbd6p

未来将持续丰富完善，敬请关注~

简易的开发方式

说完算法库和模型选型，接下来就该进入核心的模型开发环节了。如果说PaddleX给大家带来的第一印象是什么，大概就是工具箱/开发者双模式的联动开发方式了。

开发者模式
工具箱模式主打一个简单无脑，准备好符合规范要求的数据集，然后在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由的广场，本质上是在VS Code集成开发环境的基础上，搭建好了PaddleX团队精心设计的超高层API（UAPI）底座，4个核心API即可完成模型开发部署，剩下的就全凭大家自由发挥啦。

UAPI使用说明
https://ai.baidu.com/ai-doc/AISTUDIO/7ll0srufz

两种开发模式之间并不是割裂的，而是紧密关联的。简单来说，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修改，都会实时落盘，使得两个模式之间可以无缝切换，接续开发。

另一方面，小伙伴们如果觉得工具箱模式还不够好用，完全可以“自己动手，丰衣足食”。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“重新加载”，工具箱DIY就完成啦。我们非常鼓励大家进行工具箱的二次开发，优秀的创意将有机会被官方纳入PaddleX精选模板，让广大开发者受益于你的创意。

高效的部署模式

对不少学习AI的小伙伴来说，训练得到了符合精度要求的模型，任务就告一段落了。但是对于AI模型的落地应用，还需要非常关键的临门一脚——模型部署。在很多产业应用的实际场景中，经过完善的模型部署后，推理性能可以提升好几倍，这样才能满足真实的业务需求。飞桨提供了Paddle Inference、Paddle Lite等高性能推理库，以及专注于快速便捷部署体验的FastDeploy，来帮助广大飞桨开发者完成这关键一步。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，就可以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，就可以按照其中的详细使用说明，去目标设备进行AI模型的部署啦~