PaddleHub是飞桨生态的预训练模型应用工具，开发者可以便捷地使用高质量的预训练模型结合Fine-tune API快速完成模型迁移到部署的全流程工作。PaddleHub提供的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、视频分类、图像生成、图像分割、文本审核、关键点检测等主流模型。更多详情可查看PaddleHub官网
PaddleHub以预训练模型应用为核心具备以下特点：
-
模型即软件： 通过Python API或命令行实现模型调用，可快速体验或集成飞桨特色预训练模型。
-
易用的迁移学习： 通过Fine-tune API，只需少量代码即可完成预训练模型的Fine-tuning。
-
一键模型转服务： 简单一行命令即可搭建属于自己的深度学习模型API服务完成部署。
PaddleHub全景图
PaddleHub采用模型即软件的设计理念，所有的预训练模型与Python软件包类似，具备版本的概念，通过hub install/uninstall 可以便捷完成模型的升级和卸载。此外，还可以通过Python的API或命令行实现快速预测的软件集成，更方便地应用和管理深度学习模型，完成模型的搜索、下载、安装、升级、预测等功能。更加详细的使用说明可以参考PaddleHub命令行工具。
目前的预训练模型覆盖了图像分类、语义模型、视频分类、图像生成、图像分割、文本审核、关键点检测等业界主流模型，更多PaddleHub已经发布的模型，请前往 PaddleHub官网 查看。也可以使用快速体验通过命令行即可调用预训练模型进行预测。
迁移学习(Transfer Learning)通俗来讲，就是运用已有的知识来学习新的知识，核心是找到已有知识和新知识之间的相似性。PaddleHub提供了Fine-tune API，只需要少量代码即可完成深度学习模型在计算机视觉场景下的迁移学习，可以在更短的时间完成模型的训练，同时模型具备更好的泛化能力。下图所示是基于PaddleHub，通过数十行代码完成ERNIE工业级文本分类示例：
十行代码完成图像风格迁移
PaddleHub提供了使用Finetune-API和预训练模型完成图像分类、图像着色、风格迁移等迁移任务的使用示例，详细参见demo。
-
场景化使用
PaddleHub在AI Studio上提供了IPython NoteBook形式的demo。用户可以直接在平台上在线体验，链接如下：
| 预训练模型 | 任务类型 | 数据集 | AIStudio链接 | 备注 |
|---|---|---|---|---|
| chinese_text_detection_db_mobile | ocr中文识别 | icdar2015数据集 | 点击体验 | 超轻量9M模型，火爆 |
| video_tag_lstm | 短视频分类 | 百度自建数据集 | 点击体验 | 大规模，多标签 |
| resnet50_vd_animals | 动物识别 | 百度自建动物数据集 | 点击体验 | 八千种动物识别 |
| face_landmark_localization | AI川剧变脸 | AFW/AFLW | 点击体验 | |
| face_landmark_localization | 人像美颜 | AFW/AFLW | 点击体验 | |
| DeepLabv3+ | 人像抠图 | 百度自建数据集 | 点击体验 | |
| ResNet | 图像分类 | 猫狗数据集DogCat | 点击体验 | |
| ERNIE | 文本分类 | 中文情感分类数据集ChnSentiCorp | 点击体验 | |
| ERNIE | 文本分类 | 中文新闻分类数据集THUNEWS | 点击体验 | 本教程讲述了如何将自定义数据集加载，并利用Fine-tune API完成文本分类迁移学习。 |
| ERNIE | 序列标注 | 中文序列标注数据集MSRA_NER | 点击体验 | |
| ERNIE | 序列标注 | 中文快递单数据集Express | 点击体验 | 本教程讲述了如何将自定义数据集加载，并利用Fine-tune API完成序列标注迁移学习。 |
| ERNIE Tiny | 文本分类 | 中文情感分类数据集ChnSentiCorp | 点击体验 | |
| Senta | 文本分类 | 中文情感分类数据集ChnSentiCorp | 点击体验 | 本教程讲述了任何利用Senta和Fine-tune API完成情感分类迁移学习。 |
| Senta | 情感分析预测 | N/A | 点击体验 | |
| LAC | 词法分析 | N/A | 点击体验 | |
| Ultra-Light-Fast-Generic-Face-Detector-1MB | 人脸检测 | N/A | 点击体验 |
NOTE: 飞桨PaddleHub是PaddleHub的官方账号。
关于PaddleHub快捷完成迁移学习，更多信息参考：
PaddleHub Serving是基于PaddleHub的一键模型服务部署工具，能够通过简单的Hub命令行工具轻松启动一个模型预测在线服务。 其主要包括利用Bert Service实现embedding服务化，以及利用预测模型实现预训练模型预测服务化两大功能。未来还将支持开发者使用PaddleHub Fine-tune API的模型服务化。
关于服务化部署详细信息参见PaddleHub Serving一键服务部署。