PaddleX -- 飞桨全流程开发工具，以低代码的形式支持开发者快速实现产业实际项目落地。

　　PaddleX 集成飞桨智能视觉领域图像分类、目标检测、语义分割、实例分割任务能力，将深度学习开发全流程从数据准备、模型训练与优化到多端部署端到端打通，并提供统一任务API接口及图形化开发界面Demo。开发者无需分别安装不同套件，以低代码的形式即可快速完成飞桨全流程开发。

　　PaddleX 经过质检、安防、巡检、遥感、零售、医疗等十多个行业实际应用场景验证，沉淀产业实际经验，并提供丰富的案例实践教程，全程助力开发者产业实践落地。

　　安装：

　　PaddleX提供三种开发模式，满足用户的不同需求：

　　1、Python开发模式：

　　通过简洁易懂的Python API，在兼顾功能全面性、开发灵活性、集成方便性的基础上，给开发者最流畅的深度学习开发体验。

　　前置依赖

　　paddlepaddle >= 1.8.4

　　python >= 3.6

　　cython

　　pycocotools

　　pip install paddlex -i https://mirror.baidu.com/pypi/simple

　　详细安装方法请参考PaddleX安装

　　2、Padlde GUI模式：

　　无代码开发的可视化客户端，应用Paddle API实现，使开发者快速进行产业项目验证，并为用户开发自有深度学习软件/应用提供参照。

　　前往PaddleX官网，申请下载PaddleX GUI一键绿色安装包。

　　前往PaddleX GUI使用教程了解PaddleX GUI使用详情。

　　PaddleX GUI安装环境说明

　　3、PaddleX Restful:

　　使用基于RESTful API开发的GUI与Web Demo实现远程的深度学习全流程开发;同时开发者也可以基于RESTful API开发个性化的可视化界面

　　前往PaddleX RESTful API使用教程

　　PaddleX 更新日志：

　　v2.0.0.rc0

　　全面支持飞桨2.0动态图，更易用的开发模式

　　目标检测任务新增PP-YOLOv2, COCO test数据集精度达到49.5%、V100预测速度达到68.9 FPS

　　目标检测任务新增4.2MB的超轻量级模型PP-YOLO tiny

　　语义分割任务新增实时分割模型BiSeNetV2

　　C++部署模块全面升级

　　PaddleInference部署适配2.0预测库

　　支持飞桨PaddleDetection、PaddleSeg、PaddleClas以及PaddleX的模型部署

　　新增基于PaddleInference的GPU多卡预测

　　GPU部署新增基于ONNX的的TensorRT高性能加速引擎部署方式

　　GPU部署新增基于ONNX的Triton服务化部署方式