飞桨全流程开发工具（PaddleX）汇聚了飞桨核心框架、模型库、工具及组件等深度学习开发所需的所有功能，畅通无阻地贯通了深度学习开发的整个流程。同时，它提供了简洁明了的Python API，使用户能够根据实际生产需求进行直接调用或二次开发，为开发者呈现了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、模型调优及多端部署的深度学习全流程应用，全面覆盖各个环节。

易用易集成

简洁易懂的Python API，完全开源，便于二次开发和集成。

融合产业实践经验

结合飞桨在产业中的实际应用经验，精心挑选高质量的视觉模型方案，并提供实用的案例教学。

教程与服务

提供详尽的全流程开发文档及技术服务，多种方式与技术团队进行直接交流。

安装环境

操作系统：

Windows 7/8/10（推荐使用Windows 10）；

Mac OS 10.13及以上；

Ubuntu 18.04及以上；

注：处理器需为x86_64架构，支持MKL。

训练硬件：

GPU（仅限Windows及Linux系统）：

推荐使用支持CUDA的NVIDIA显卡，例如：GTX 1070及以上性能的显卡；

Windows系统X86_64驱动版本≥411.31；

Linux系统X86_64驱动版本≥410.48；

显存需8G以上；

CPU：

PaddleX支持在本地CPU上进行训练，但推荐使用GPU以获得更佳的开发体验。

内存：建议8G以上。

硬盘空间：建议SSD剩余空间1T以上（非必需）。

注：PaddleX在Windows及Mac OS系统中仅支持单卡模型，Windows系统暂不支持NCCL。

更新日志

版本 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和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数据集的预训练权重。

新增示例案例：RGB图像遥感分割。