PaddleHub是基于PaddlePaddle生态下的预训练模型管理和迁移学习工具,可以结合预训练模型更便捷地开展迁移学习工作。通过PaddleHub,您可以:
- 便捷地获取PaddlePaddle生态下的所有预训练模型,涵盖了图像分类、目标检测、词法分析、语义模型、情感分析、语言模型、视频分类、图像生成八类主流模型。
- 更多详情可查看官网:http://hub.paddlepaddle.org.cn
- 通过PaddleHub Fine-tune API,结合少量代码即可完成大规模预训练模型的迁移学习,具体Demo可参考以下链接:
- PaddleHub引入『模型即软件』的设计理念,支持通过Python API或者命令行工具,一键完成预训练模型地预测,更方便的应用PaddlePaddle模型库。
- Python==2.7 or Python>=3.5
- PaddlePaddle>=1.4.0
除上述依赖外,PaddleHub的预训练模型和预置数据集需要连接服务端进行下载,请确保机器可以正常访问网络
pip安装方式如下:
$ pip install paddlehub
安装成功后,执行下面的命令,可以快速体验PaddleHub无需代码、一键预测的命令行功能:
示例一
使用词法分析模型LAC进行分词
$ hub run lac --input_text "今天是个好日子" [{'word': ['今天', '是', '个', '好日子'], 'tag': ['TIME', 'v', 'q', 'n']}]
示例二
使用情感分析模型Senta对句子进行情感预测
$ hub run senta_bilstm --input_text "今天是个好日子" [{'text': '今天是个好日子', 'sentiment_label': 2, 'sentiment_key': 'positive', 'positive_probs': 0.6065, 'negative_probs': 0.3935}]
示例三
使用目标检测模型 SSD/YOLO v3/Faster RCNN 对图片进行目标检测
$ wget --no-check-certificate https://paddlehub.bj.bcebos.com/resources/test_object_detection.jpg $ hub run ssd_mobilenet_v1_pascal --input_path test_object_detection.jpg $ hub run yolov3_coco2017 --input_path test_object_detection.jpg $ hub run faster_rcnn_coco2017 --input_path test_object_detection.jpg
除了上述三类模型外,PaddleHub还发布了语言模型、语义模型、图像分类、生成模型、视频分类等业界主流模型,更多PaddleHub已经发布的模型,请前往 http://hub.paddlepaddle.org.cn 查看
我们在AI Studio和AIBook上提供了IPython NoteBook形式的demo,您可以直接在平台上在线体验,链接如下:
- ERNIE文本分类:
- ERNIE序列标注:
- ELMo文本分类:
- senta情感分类:
- 图像分类:
当安装或者使用遇到问题时,可以通过FAQ查找解决方案。 如果在FAQ中没有找到解决方案,欢迎您将问题和bug报告以Github Issues的形式提交给我们,我们会第一时间进行跟进
PaddleHub由Apache-2.0 license提供