版本更新信息¶

最新版本信息¶

PaddleX v3.0.0beta2(11.15/2024)¶

PaddleX 3.0 Beta2 全面适配 PaddlePaddle 3.0b2 版本。新增通用图像识别、人脸识别、车辆属性识别和行人属性识别产线，同时新增 42 个模型开发全流程适配昇腾 910B，并全面支持GitHub 站点文档。 具体新增能力如下：

新增产线：
新增通用图像识别产线，提供更强的特征提取模型，支持用户自定义图像数据库识别未知类别，相比当前开放域目标检测，可以自定义识别的总类更多。支持高性能推理和服务化部署；
新增人脸识别产线，支持对人脸数据库的增加和删除，支持高性能推理和服务化部署；
新增车辆属性识别产线，支持对图像中的车辆进行检测和属性的识别，当前支持的属性有颜色和车型。支持高性能推理和服务化部署；
新增行人属性识别线，支持对图像中的行人进行检测和属性的识别，当前支持的属性有年龄、性别、穿着等。支持高性能推理和服务化部署。
新增能力：
支持GitHub 站点文档，支持用户搜索相关内容和对文档内容的评论；
支持打印模型的推理benchmark信息，相关文档；
新增 42 个模型开发全流程适配昇腾 910B，模型列表。
优化点：
公式识别产线，支持 PDF 格式输入，支持公式识别结果的可视化；
印章文本识别产线，支持 PDF 格式的输入；
通用版面解析产线，优化保存图片的名称；
预训练统一管理，将当前支持的模型的预训练统一管理，并内置到默认配置文件中；
升级模型保存的格式，为高性能推理提供保障；
优化部分模型的默认参数，为训练更高精度的模型提供保障。
BugFix：
修复部分文档表述错误或者不当的内容，修复部分 URL 失效的问题；
修复文档方向分类推理模型的bug；
修复部分高性能推理和服务化部署的bug；
修复 SLANet、SLANet_plus 训练精度为 0 的bug。

PaddleX v3.0.0beta1(9.30/2024)¶

PaddleX 3.0 Beta1 提供 200+ 模型通过极简的 Python API 一键调用；实现基于统一命令的模型全流程开发，并开源 PP-ChatOCRv3 特色模型产线基础能力；支持 100+ 模型高性能推理和服务化部署，7 类重点视觉模型端侧部署；70+ 模型开发全流程适配昇腾 910B，15+ 模型开发全流程适配昆仑芯和寒武纪。

模型丰富一键调用： 将覆盖文档图像智能分析、OCR、目标检测、时序预测等多个关键领域的 200+ 飞桨模型整合为 13 条模型产线，通过极简的 Python API 一键调用，快速体验模型效果。同时支持 20+ 单功能模块，方便开发者进行模型组合使用。
提高效率降低门槛： 实现基于图形界面和统一命令的模型全流程开发，打造大小模型结合、大模型半监督学习和多模型融合的8条特色模型产线，大幅度降低迭代模型的成本。
多种场景灵活部署： 支持高性能部署、服务化部署和端侧部署等多种部署方式，确保不同应用场景下模型的高效运行和快速响应。
主流硬件高效支持： 支持英伟达 GPU、昆仑芯、昇腾和寒武纪等多种主流硬件的无缝切换，确保高效运行。

PaddleX v3.0.0beta(6.27/2024)¶

PaddleX 3.0beta 集成了飞桨生态的优势能力，覆盖 7 大场景任务，构建了 16 条模型产线，提供低代码开发模式，助力开发者在多种主流硬件上实现模型全流程开发。

基础模型产线（模型丰富，场景全面）： 精选 68 个优质飞桨模型，涵盖图像分类、目标检测、图像分割、OCR、文本图像版面分析、时序预测等任务场景。
特色模型产线（显著提升效率）： 提供大小模型结合、大模型半监督学习和多模型融合的高效解决方案。
低代码开发模式（便捷开发与部署）： 提供零代码和低代码两种开发方式。
零代码开发：用户通过图形界面（GUI）交互式提交后台训练任务，打通在线和离线部署，并支持以 API 形式调用在线服务。
低代码开发：通过统一的 API 接口实现 16 条模型产线的全流程开发，同时支持用户自定义模型流程串联。
多硬件本地支持（兼容性强）： 支持英伟达 GPU、昆仑芯、昇腾和寒武纪等多种硬件，纯离线使用。

PaddleX v2.1.0(12.10/2021)¶

新增超轻量分类模型PPLCNet，在Intel CPU上，单张图像预测速度约5ms，ImageNet-1K数据集上Top1识别准确率达到80.82%，超越ResNet152的模型效果欢迎体验新增轻量级检测特色模型PP-PicoDet，第一个在1M参数量之内mAP(0.5:0.95)超越30+(输入416像素时)，网络预测在ARM CPU下可达150FPS 欢迎体验升级PaddleX Restful API，支持飞桨动态图开发模式欢迎体验新增检测模型负样本训练策略欢迎体验新增python轻量级服务化部署欢迎体验

PaddleX v2.0.0(9.10/2021)¶

PaddleX API
新增检测任务和实例分割任务的预测结果可视化、以及预测错误原因分析，辅助分析模型效果
新增检测任务的负样本优化，抑制背景区域的误检
完善语义分割任务的预测结果，支持返回预测类别和归一化后的预测置信度
完善图像分类任务的预测结果，支持返回归一化后的预测置信度
预测部署
完备PaddleX python预测部署, PaddleX模型使用2个API即可快速完成部署
PaddleX C++部署全面升级，支持飞桨视觉套件PaddleDetection、PaddleClas、PaddleSeg、PaddleX的端到端统一部署能力
全新发布Manufacture SDK，提供工业级多端多平台部署加速的预编译飞桨部署开发包（SDK），通过配置业务逻辑流程文件即可以低代码方式快速完成推理部署
PaddleX GUI
升级PaddleX GUI，支持30系列显卡
目标检测任务新增模型PP-YOLO V2, 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
新增导出API训练脚本功能，无缝切换PaddleX API训练
产业实践案例
新增以目标检测任务为主的钢筋计数、缺陷检测案例教程
新增以实例分割任务为主的机械手抓取案例教程
新增串联目标检测、语义分割、传统视觉算法的工业表计读数的训练和部署案例教程
新增Windows系统下使用C#语言部署案例教程

PaddleX v2.0.0rc0(5.19/2021)¶

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（使用文档）
- 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（使用文档）
- 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（使用文档）

PaddleX v1.3.0(12.19/2020)¶

模型更新
- 图像分类模型ResNet50_vd新增10万分类预训练模型
- 目标检测模型FasterRCNN新增模型裁剪支持
- 目标检测模型新增多通道图像训练支持
模型部署更新
- 修复OpenVINO部署C++代码中部分Bug
- 树莓派部署新增Arm V8支持
产业案例更新
- 新增工业质检产业案例，提供基于GPU和CPU两种部署场景下的工业质检方案，及与质检相关的优化策略
新增RestFUL API模块 新增RestFUL API模块，开发者可通过此模块快速开发基于PaddleX的训练平台
- 增加基于RestFUL API的HTML Demo
- 增加基于RestFUL API的Remote版可视化客户端新增模型通过OpenVINO的部署方案

PaddleX v1.2.0(9.9/2020)¶

模型更新
- 新增目标检测模型PPYOLO
- FasterRCNN、MaskRCNN、YOLOv3、DeepLabv3p等模型新增内置COCO数据集预训练模型
- 目标检测模型FasterRCNN和MaskRCNN新增backbone HRNet_W18
- 语义分割模型DeepLabv3p新增backbone MobileNetV3_large_ssld
模型部署更新
- 新增模型通过OpenVINO的部署方案
- 新增模型在树莓派上的部署方案
- 优化PaddleLite Android部署的数据预处理和后处理代码性能
- 优化Paddle服务端C++代码部署代码，增加use_mkl等参数，通过mkldnn显著提升模型在CPU上的预测性能
产业案例更新
- 新增RGB图像遥感分割案例
- 新增多通道遥感分割案例
其它
- 新增数据集切分功能，支持通过命令行切分ImageNet、PascalVOC、MSCOCO和语义分割数据集

PaddleX v1.1.0(7.13/2020)¶

模型更新
- 新增语义分割模型HRNet、FastSCNN
- 目标检测FasterRCNN、实例分割MaskRCNN新增backbone HRNet
- 目标检测/实例分割模型新增COCO数据集预训练模型
- 集成X2Paddle，PaddleX所有分类模型和语义分割模型支持导出为ONNX协议
模型部署更新
- 模型加密增加支持Windows平台
- 新增Jetson、PaddleLite模型部署预测方案
- C++部署代码新增batch批预测，并采用OpenMP对预处理进行并行加速
新增2个PaddleX产业案例
- 人像分割案例
- 工业表计读数案例
新增数据格式转换功能，LabelMe、精灵标注助手和EasyData平台标注的数据转为PaddleX支持加载的数据格式
PaddleX文档更新，优化文档结构

PaddleX v1.0.0(5.21/2020)¶

全流程打通
数据准备：支持EasyData智能数据服务平台数据协议，通过平台便捷完成智能标注,低质数据清洗工作, 同时兼容主流标注工具协议, 助力开发者更快完成数据准备工作。
模型训练：集成PaddleClas, PaddleDetection, PaddleSeg视觉开发套件，丰富的高质量预训练模型，更快实现工业级模型效果。
模型调优：内置模型可解释性模块、VisualDL可视化分析组件, 提供丰富的信息更好地理解模型，优化模型。
多端安全部署：内置PaddleSlim模型压缩工具和模型加密部署模块，结合Paddle Inference或Paddle Lite便捷完成高性能的多端安全部署。
融合产业实践
精选飞桨产业实践的成熟模型结构，开放案例实践教程，加速开发者产业落地。
易用易集成
统一易用的全流程API，5步完成模型训练，10行代码实现Python/C++高性能部署。
提供以PaddleX为核心集成的跨平台可视化工具PaddleX-GUI，快速体验飞桨深度学习全流程。