有关paddlehub的了解

Posted 2020-12-18 8098pc

       随着机器的逐渐智能化，人类的生活水平也在大幅度提高，这些主要源于深度学习的出现。作为最有影响的人工智能关键共性技术，它在图像分类、语音识别等方面作出了巨大的贡献，虽然实现这一伟大的功能很复杂，但是现阶段通过开元深度学习平台的能力，开发者在开元深度平台上面搭建自己的AI应用，大大提升了效率。飞桨（paddlepaddle)是百度研发的一款技术领先、功能完备的产业级深度学习开源开放平台，它集深度学习核心框架、基础模型库、端到端开发套件、工具组件和服务平台为一体，助力产业智能化，使得深度学习技术的创新与应用更简单。飞桨有四大领先技术，分别为开发便捷的产业级深度学习框架；支持超大规模深度学习模型的训练；多端多平台部署的高性能推理引擎以及面向产业应用，开源开放覆盖多领域的工业级模型库。飞桨有哪些优势呢？其一是可以同时支持动态图和静态图，兼顾灵活性和高能行；飞桨提供的模型全部经过真实应用场景的有效验证；源于产业实践，输出业界领先的超大规模并行深度学习平台能力；追求极致速度体验，推理引擎一体化设计实现训练到多段推理的无缝对接；它也秉承着用户至上的理念，提供系统化技术服务于支持。飞桨借助四大先进技术和优势，使得越来越多的用户在各个行业完成AI能力赋能，就例如飞桨与北京林业大学合作的“AI识虫”技术，其能够远程检测病虫害，使得效率提升50倍，准确率超过90%。飞桨深入涉及工业、农业、服务业、教育等行业，贡献于城市规划、无人驾驶等，在众多行业领域中实现了落地应用。

        paddlepaddle的工具组件包括PaddleHub、PARL、AutoDl Design、VisualDl，就PaddleHub来说，PaddleHub是一个深度学习开发工具，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，可以便捷地获取这些与训练模型，完成模型的管理和一键预测。PaddleHub提供40+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。PaddleHub支持命令行运行，我们安装paddlehub之后，无需进入python环境，就可以快速体验paddlehub无需代码、一键预测的命令行功能。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。model即“模型”，表示预训练好的参数和模型，module即“模块”，是model的一个可执行模块，PaddleHub为model和module的管理和使用都提供了命令行工具，我们使用model进行预测时，需要模型配套的代码进行模型的加载、数据的预处理等操作，才能进行预测；而module可以支持直接命令行预测，但并不是所有的module都支持命令行预测。

       通过PaddleHub，开发者可以便捷获取与训练模型，就上面介绍，其涵盖了40多个模型，涉及三大领域八类模型。举例来说，开发者利用PaddleHub进行人脸检测，可以实现一键检测与判断人员是否佩戴口罩，大大降低了人员的工作量；使用PaddleHub语义预训练模型ERNIE完成优化信息抽取，例如可以在快递单中抽取姓名、电话、地区等，辅助物流行业从业者进行有效信息的提取。开发者利用PaddleHub实现人像抠图，为更多人节约精力财力。

       通过对paddlepaddle以及PaddleHub的了解，我目前较为感兴趣的是基于PaddleHub间网民情绪识别与应用，特别是疫情阶段的网民情绪识别，并判断情绪的分类，掌握真实的社会舆论情况，能更好的帮助相关人员做好防控宣传和舆情引导工作。