标签：训练 服务器 在线 不用 活性 部分 特色 hub code
1. PaddlePaddle中文译为“飞桨”，是百度公司于2016年正式开源开放，技术领先，功能完备的产业级深度学习平台。飞桨集深度学习核心框架，基础模型库，工具组件和服务平台于一体。飞桨起源于产业实践，目前飞桨已经广泛应用于工业，农业和服务业。飞桨深度学习框架基于编程逻辑的组网范式，对于普通的开发者来说更容易上手，同时支持声明式和命令式编程，兼具开发的灵活性和高性能。在开源方面，飞桨在供给根本的框架源码的同时，还供给整体的解决筹划，融合机械范畴的相关经验，直接为开辟者供给跨行业的解决才能，可以更好的融合。PaddlePaddle的整体架构，主要是：多机并行架构、多 GPU 并行架构、Sequence 序列模型和大规模稀疏训练。飞桨突破了超大规模深度学习模型训练技术，实现了世界首个支持千亿特征、万亿参数、数百节点的开源大规模训练平台，攻克了超大规模深度学习模型的在线学习难题，实现了万亿规模参数模型的实时更新。PaddlePaddle拥有多端部署能力，支持服务器端、移动端等多种异构硬件设备的高速推理，预测性能有显著优势。
PaddleHub就是为了解决对深度学习模型的需求而开发的工具。它基于飞桨领先的核心框架，精选效果优秀的算法，提供了百亿级大数据训练的预训练模型，方便用户不用花费大量精力从头开始训练一个模型。PaddleHub可以便捷地获取这些预训练模型，完成模型的管理和一键预测。配合使用Fine-tune API，可以基于大规模预训练模型快速完成迁移学习，让预训练模型能更好地服务于用户特定场景的应用。
2. Paddlehub的特色：
1、 通过PaddleHub，开发者可以便捷地获取飞桨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40余个
2、PaddleHub引入了模型即软件的概念，通过Python API或者命令行工具，一键完成预训练模型地预测。此外还借鉴了Anaconda和pip软件包管理的理念设计了一套命令行接口。
3、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。下面一节我们也会全面介绍PaddleHub的API。
2.Paddlehub的应用：
人脸检测
图像分割 该PaddleHub Module使用百度自建数据集进行训练，可用于人像分割，支持任意大小的图片输入。
人体解析人体解析(Human Parsing)是细粒度的语义分割任务，其旨在识别像素级别的人类图像的组成部分（例如，身体部位和服装）
3.我的想法
我个人对图像分析比较感兴趣，这个暑假准备了解学习有关图像分析方面的知识。
标签：训练 服务器 在线 不用 活性 部分 特色 hub code
原文地址：https://www.cnblogs.com/lby0330/p/13375727.html
