3000億美金市場，“十四五”規(guī)劃重點內(nèi)容，人工智能今年可謂炙手可熱~但AI算法的構(gòu)建和應用，不僅要求你懂業(yè)務，還需要有深厚的數(shù)學基礎、編程基礎，甚至還需要硬件開發(fā)能力，何其難也！

而當我發(fā)現(xiàn)了這個項目的時候，我就知道產(chǎn)業(yè)智能化升級有救了！

它覆蓋工業(yè)制造、安防巡檢、能源電力、衛(wèi)星遙感、智能交通等十多個行業(yè)的AI應用場景，而且簡單到只要你會用Python就可以快速開發(fā)AI算法。AI學習路程也不必再“從入門到放棄”、“從理論到躺平”，一步步跟隨示例工程操作，產(chǎn)業(yè)智能化升級觸手可得！

著急的小伙伴可以直接去看項目詳情：https://github.com/PaddlePaddle/PaddleX，Star收藏后再慢慢研究。

說的這么神，這到底是個什么項目，到底有什么過人之處，又具體能做些什么呢？下面就展開來給大家詳細介紹一下。

1能做什么？

工業(yè)制造：瑕疵檢測、目標定位、智能抓取、自動分揀、產(chǎn)品計數(shù)

安防巡檢：輸電線路及基站本體異物檢測，表計等設備檢測及讀數(shù)，異常噴灑、火情檢測

智慧城市：車輛、行人、交通標志檢測，衛(wèi)星遙感圖像識別，建筑物、農(nóng)作物、道路等檢測、分割及變化檢測及面積計算

智慧零售：商品檢測、商標檢測及計數(shù)

智慧醫(yī)療領域：CT影像分割、肺炎篩查、眼底病變篩查 幾乎全面覆蓋高價值AI應用場景，同功能商業(yè)化軟件單個機器授權(quán)超過10萬！而這個PaddleX卻是完全開源免費的！絕對是業(yè)界的一股清流，良心之作。

2怎么用？

● pip install一鍵安裝， 4個API即可完成深度學習算法訓練！● 一站式開發(fā)：從數(shù)據(jù)預處理、超參配置、模型訓練與評估、模型多端部署等深度學習產(chǎn)業(yè)項目開發(fā)全流程全面覆蓋。

● 多硬件、多環(huán)境快速部署：PaddleX Deployment模塊，得益于Paddle Inference和Paddle Lite的能力，適配業(yè)界常用的CPU、GPU（包括NVIDIA Jetson）、樹莓派等硬件，支持用戶采用OpenVINO或TensorRT進行推理加速。完備支持工業(yè)最常使用的Windows系統(tǒng)，且提供C#語言進行部署的方式。

● 獨特的PaddleX Manufacture SDK不會編譯預測庫？需要多個算法串聯(lián)？PaddleX ManufactureSDK提供工業(yè)級多端多平臺部署加速的預編譯飛槳部署開發(fā)套件（SDK），通過修改業(yè)務邏輯配置文件，就可以快速完成推理部署。覆蓋單個算法以及多個算法串聯(lián)形式。極低代碼，極高效率。

● 親媽級實例工程及文檔：針對產(chǎn)業(yè)落地每一細節(jié)，提供詳細的完善的操作指南，以及基于產(chǎn)業(yè)真實場景的示例工程。覆蓋從數(shù)據(jù)標注、數(shù)據(jù)預處理、單模型訓練調(diào)優(yōu)、多模型串聯(lián)，到多端部署、推理加速、可視化結(jié)果呈現(xiàn)等全流程！

3可視化開發(fā)Demo及硬件預裝

PaddleX圖形化開發(fā)界面GUI以及適用于Windows系統(tǒng)部署的“工業(yè)相機實時目標檢測GUI”，部署后可直接調(diào)用一個或多個相機，直接可視化檢測結(jié)果！??！

預裝神州數(shù)碼代理發(fā)售的英特爾NUC硬件，并經(jīng)過完善測試，獲得了產(chǎn)品兼容性證明。被Intel和神州數(shù)碼認可的產(chǎn)品，你說能差嗎？！

4平臺構(gòu)建及模型加密

除了以上通用的使用方法和模塊，PaddleX還擁有一些獨特的開掛玩法！

可以直接搭建AI開發(fā)平臺及服務的RESTful API：不論你將訓練框架部署在哪里， 只需要啟動RESTful API服務，即可在本地調(diào)起開發(fā)界面調(diào)動遠程服務器的資源進行訓練。

模型加密：即使你的模型被拷貝，沒有密鑰也無法被非法使用！

擁有這樣牛氣的神器，仿佛坐擁幾十個億?。?！

不論你是AI算法開發(fā)者、軟件系統(tǒng)工程師、硬件工程師還是學生， 都可以應用PaddleX提供的深度學習算法快速進行模型開發(fā)，并在實際的硬件、系統(tǒng)上部署上線。

還不Star等什么？這么優(yōu)秀的項目不值得支持一下嘛？

項目鏈接：

https://github.com/PaddlePaddle/PaddleX

編輯：jq