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
- 🔥 发布飞桨AI套件PaddleX —— 精选产业实用模型的一站式开发平台。飞桨AI套件沿用旧版本PaddleX（本Repo）的名称和低代码理念，而且做了全面升级。
- 🔥 飞桨AI套件PaddleX，具有如下优势：
- 【丰富的算法库】提供36个精选模型，覆盖了10大AI任务场景，并附带模型推理benchmark数据。开发者可以根据业务需求轻松选择合适的模型，并进行开发和部署。
- 【简便的开发方式】支持无代码和低代码开发，只需四个简单步骤，即可完成全流程AI开发，包括数据处理、模型训练、验证和部署。
- 【高效的模型部署】平台提供强大的部署能力，支持快速实现产业级部署，实现跨平台、跨硬件的部署。
- 【多样的硬件支持】不仅能够在AI Studio云端使用，还支持在Windows本地环境使用，并正在积极扩展支持Linux版本、昆仑芯版本、昇腾版本和寒武纪版本。
- 【共赢的合作机会】除了提供便捷的AI应用开发工具，还为企业提供商业收益机会，共同探索更多商业空间，实现共同成长和共赢。
- 🔥 飞桨AI套件PaddleX的安装和使用，请参考官网。注意本Repo的代码和文档，只适用于旧版本PaddleX。
- 🔥 欢迎大家进入AI Studio【PaddleX社区频道】进一步交流～
🤗 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。
PaddleX提供了图像化开发界面、本地API、Restful-API三种开发模式。用户可根据自己的需求选择任意一种开始体验
本文档介绍了PaddleX从数据准备、模型训练到模型剪裁量化，及最终部署的全流程使用方法。
- GUI开发模式
- API开发模式
- Restful API开发模式
- 部署模型导出
- 部署方式概览
- 本地部署
- 服务化部署
- 基于ONNX部署（C++）
- 模型加密
我们非常欢迎您为PaddleX贡献代码或者提供使用建议。如果您可以修复某个issue或者增加一个新功能，欢迎给我们提交Pull Requests。
- 工业相机实时目标检测GUI （windows系统，基于pyqt5开发）
- 工业相机实时目标检测GUI （windows系统，基于C#开发）
- 基于QT实现的跨平台图形化部署工具，支持Windows、Linux系统和X86、ARM架构欢迎体验
- 从0-1构建工业级部署线程池，欢迎体验