模型资源之三：模型库介绍

模型资源之三：模型库（完整源代码）

飞桨官方模型库Paddle Models是由飞桨官方开发和维护的深度学习开源算法集合，包括代码、数据集和预训练模型。截至1.8版本，模型库发布了超过100个工业级的深度学习前沿算法和超过200个预训练模型，覆盖了计算机视觉、自然语言处理、语音识别、智能推荐、强化学习等领域。通过使用官方模型库可以极大的减少开发者的工作量，加速深度学习算法的应用落地。模型库的预训练模型，在通用场景下一般可达到SOTA（State Of The Art）效果，即模型在常用的数据集上取得了当前最优的性能表现。通过使用业务数据持续训练和二次开发，可以进一步提升算法在特定场景下的效果。

飞桨官方模型库提供了丰富的模型种类，覆盖应用领域广泛，可以满足大部分深度学习应用场景的使用需求。飞桨模型库覆盖全景如 图1 所示。

图1：飞桨模型库全景图

以上全景图可以看出飞桨官方模型库覆盖了四大核心领域：计算机视觉（PaddleCV）、自然语言处理（PaddleNLP）、语音（PaddleSpeech）、推荐（PaddleRec），并在此之上构建了丰富的开发套件，如前文提到的图像分割套件PaddleSeg，满足开发者在不同应用领域的需求。

计算机视觉（PaddleCV）

PaddleCV是基于飞桨深度学习框架的开发的智能视觉工具、算法、模型和数据的开源项目。百度在CV领域多年的深厚积淀为PaddleCV提供了强大的核心动力。PaddleCV集成了丰富的CV模型，涵盖图像分类、目标检测、图像分割、视频分类和动作定位、目标跟踪、图像生成、文字识别、度量学习、关键点检测、3D视觉等CV技术。

自然语言处理（PaddleNLP）

PaddleNLP是基于飞桨深度学习框架开发的工具、算法、模型和数据的开源项目。百度在NLP领域十几年的深厚积淀为PaddleNLP提供了强大的核心动力，使用PaddleNLP，您可以得到丰富而全面的NLP任务支持：
多粒度、多场景的应用支持。涵盖了从分词、词性标注、命名实体识别等NLP基础技术，到文本分类、文本相似度计算、语义表示、文本生成等NLP核心技术。同时，PaddleNLP还提供了针对常见NLP大型应用系统（如阅读理解，对话系统，机器翻译系统等）的特定核心技术和工具组件、模型和预训练参数等，让您在NLP领域畅通无阻。
稳定可靠的NLP模型和强大的预训练参数。
集成了百度内部广泛使用的NLP工具模型，为您提供了稳定可靠的NLP算法解决方案。基于百亿级数据的预训练参数和丰富的预训练模型，助您轻松提高模型效果，为您的NLP业务注入强大动力。
持续改进和技术支持，零基础搭建NLP应用。

语音（PaddleSpeech）

PaddleSpeech涵盖语音识别、语音合成任务领域。

自动语音识别（Automatic Speech Recognition, ASR）是将人类声音中的词汇内容转录成计算机可输入的文字的技术。语音识别的相关研究经历了漫长的探索过程，在HMM/GMM模型之后其发展一直较为缓慢，随着深度学习的兴起，其迎来了春天。在多种语言识别任务中，将深度神经网络 (DNN) 作为声学模型，取得了比 GMM 更好的性能，使得 ASR 成为深度学习应用非常成功的领域之一。而由于识别准确率的不断提高，有越来越多的语言技术产品得以落地，例如语言输入法、以智能音箱为代表的智能家居设备等基于语言的交互方式正在深刻的改变人类的生活。

语音合成 (Speech Synthesis) 技术是指用人工方法合成可辨识的语音。文本转语音 (Text-To-Speech) 系统是对语音合成技术的具体应用，其任务是给定某种语言的文本，合成对应的语音。语音合成技术是基于语音的人机交互，实时语音翻译等技术的基础。传统的文本转语音模型分为文本到音位，音位到频谱，频谱到波形等几个阶段分别进行优化，而随着深度学习技术在语音技术的应用的发展，端到端的文本转语音模型正在取得快速发展。

推荐系统（PaddleRec）

推荐系统在当前的互联网服务中正在发挥越来越大的作用，目前大部分电子商务系统、社交网络、广告推荐、搜索引擎、信息流都不同程度的使用了各种形式的个性化推荐技术，帮助用户快速找到他们想要的信息。

在工业可用的推荐系统中，推荐策略一般会被划分为多个模块串联执行。以新闻推荐系统为例，存在多个可以使用深度学习技术的环节，例如新闻的内容理解–标签标注、个性化新闻召回、个性化匹配与排序、融合等。飞桨对推荐算法的训练提供了完整的支持，并提供了多种模型配置供用户选择。

看到这里，有些读者可能会有困惑，飞桨模型库和之前的各领域开发套件究竟是什么关系？其实各领域的开发套件是基于飞桨模型库实现的，再次基础上进行了比较好的工具化封装。但飞桨模型库提供了更广泛的模型，同时也开源了模型实现的源代码，不仅支持用户的快速使用，也可以直接在源代码上进行模型的二次研发，优化出全新的模型。

如果在开发套件中没有找到自己需要的领域工具&