PaddleX 模型库官方介绍

最新推荐文章于 2024-08-07 10:03:30 发布
最新推荐文章于 2024-08-07 10:03:30 发布
阅读量3.3k 收藏 4
点赞数 3
分类专栏： 飞桨医学应用 文章标签： 深度学习 计算机视觉 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_53711236/article/details/123265360
版权

本文包含模型的种类、预训练模型下载、推理速度和时间等

图像分类模型

表中模型准确率均为在ImageNet数据集上测试所得，表中符号-表示相关指标暂未测试，预测速度测试环境如下所示:

  • CPU的评估是在骁龙855（SD855）上完成。
  • GPU评估是在FP32+TensorRT配置下运行500次测得（去除前10次的warmup时间）。

 

移动端系列

ModelTop-1 AccTop-5 AccSD855 time(ms)
bs=1		Flops(G)Params(M)Model storage size(M)Download Address
MobileNetV1_
x0_25		0.51430.75463.219850.070.461.9Download link
MobileNetV1_
x0_5		0.63520.84739.5795990.281.315.2Download link
MobileNetV1_
x0_75		0.68810.882319.4363990.632.5510Download link
MobileNetV10.70990.896832.5230481.114.1916Download link
MobileNetV2_
x0_25		0.53210.76523.799250.051.56.1Download link
MobileNetV2_
x0_5		0.65030.85728.70210.171.937.8Download link
MobileNetV2_
x0_75		0.69830.890115.5313510.352.5810Download link
MobileNetV20.72150.906523.3176990.63.4414Download link
MobileNetV2_
x1_5		0.74120.916745.6238481.326.7626Download link
MobileNetV2_
x2_0		0.75230.925874.2916492.3211.1343Download link
MobileNetV3_
large_x1_25		0.76410.929528.2177010.7147.4429Download link
MobileNetV3_
large_x1_0		0.75320.923119.308350.455.4721Download link
MobileNetV3_
large_x0_75		0.73140.910813.56460.2963.9116Download link
MobileNetV3_
large_x0_5		0.69240.88527.493150.1382.6711Download link
MobileNetV3_
large_x0_35		0.64320.85465.136950.0772.18.6Download link
MobileNetV3_
small_x1_25		0.70670.89519.27450.1953.6214Download link
MobileNetV3_
small_x1_0		0.68240.88066.54630.1232.9412Download link
MobileNetV3_
small_x0_75		0.66020.86335.284350.0882.379.6Download link
MobileNetV3_
small_x0_5		0.59210.81523.351650.0431.97.8Download link
MobileNetV3_
small_x0_35		0.53030.76372.63520.0261.666.9Download link
MobileNetV3_
small_x0_35_ssld		0.55550.77712.63520.0261.666.9Download link
MobileNetV3_
large_x1_0_ssld		0.78960.944819.308350.455.4721Download link
MobileNetV3_small_
x1_0_ssld		0.71290.90106.54630.1232.9412Download link
ShuffleNetV20.68800.884510.9410.282.269Download link
ShuffleNetV2_
x0_25		0.49900.73792.3290.030.62.7Download link
ShuffleNetV2_
x0_33		0.53730.77052.643350.040.642.8Download link
ShuffleNetV2_
x0_5		0.60320.82264.26130.081.365.6Download link
ShuffleNetV2_
x1_5		0.71630.901519.35220.583.4714Download link
ShuffleNetV2_
x2_0		0.73150.912034.7701491.127.3228Download link
ShuffleNetV2_
swish		0.70030.891716.0231510.292.269.1Download link

其他系列

ModelTop-1 AccTop-5 Acctime(ms)
bs=1		time(ms)
bs=4		Flops(G)Params(M)Download Address
ResNet180.70980.89921.456063.563053.6611.69Download link
ResNet18_vd0.72260.90801.545573.853634.1411.71Download link
ResNet340.74570.92142.349575.898217.3621.8Download link
ResNet34_vd0.75980.92982.434276.222577.3921.82Download link
ResNet500.76500.93003.477127.844218.1925.56Download link
ResNet50_vd0.79120.94443.531318.090578.6725.58Download link
ResNet1010.77560.93646.0712513.4057315.5244.55Download link
ResNet101_vd0.80170.94976.1170413.7622216.144.57Download link
ResNet1520.78260.93968.5019819.1707323.0560.19Download link
ResNet152_vd0.80590.95308.5437619.5215723.5360.21Download link
ResNet200_vd0.80930.953310.8061925.0173130.5374.74Download link
ResNet50_vd_
ssld		0.82390.96103.531318.090578.6725.58Download link
ResNet101_vd_
ssld		0.83730.96696.1170413.7622216.144.57Download link
AlexNet0.5670.7921.449932.466961.37061.090Download link
DarkNet530.7800.9414.1082912.171418.58041.600Download link
DenseNet1210.75660.92584.404479.326235.697.98Download link
DenseNet1610.78570.941410.3915222.1555515.4928.68Download link
DenseNet1690.76810.93316.4359812.988326.7414.15Download link
DenseNet2010.77630.93668.2065217.458388.6120.01Download link
DenseNet2640.77960.938512.1472226.2770711.5433.37Download link
HRNet_W18_C0.76920.93397.4063613.297524.1421.29Download link
HRNet_W30_C0.78040.94029.5759417.3548516.2337.71Download link
HRNet_W32_C0.78280.94249.4980717.7292117.8641.23Download link
HRNet_W40_C0.78770.944712.1220225.6818425.4157.55Download link
HRNet_W44_C0.79000.945113.1985832.2520229.7967.06Download link
HRNet_W48_C0.78950.944213.7076134.4357234.5877.47Download link
HRNet_W64_C0.79300.946117.5752747.953357.83128.06Download link
Xception410.79300.94534.9693917.0136116.7422.69Download link
Xception650.81000.95497.2615825.8877825.9535.48Download link
Xception710.81110.95458.7245731.5554931.7737.28Download link

目标检测模型

  • 所有模型均在COCO17数据集中训练和测试。
  • 除非特殊说明，所有ResNet骨干网络采用ResNet-B结构。
  • 推理时间(fps): 推理时间是在一张Tesla V100的GPU上测试所有验证集得到，单位是fps(图片数/秒), cuDNN版本是7.5，包括数据加载、网络前向执行和后处理, batch size是1。

Faster RCNN on COCO

骨架网络网络类型推理时间(fps)Box AP下载
ResNet50Faster----36.7下载链接
ResNet50-vdFaster----37.6下载链接
ResNet101Faster----39.0下载链接
ResNet34-FPNFaster----37.8下载链接
ResNet34-vd-FPNFaster----38.5下载链接
ResNet50-FPNFaster----38.4下载链接
ResNet50-vd-FPNFaster----39.5下载链接
ResNet101-vd-FPNFaster----42.0下载链接
ResNeXt101-vd-FPNFaster----43.4下载链接
ResNet50-vd-SSLDv2-FPNFaster----41.4下载链接

YOLOv3 on COCO

骨架网络输入尺寸推理时间(fps)Box AP下载
DarkNet53608----39.0下载链接
ResNet50_vd608----39.1下载链接
ResNet34608----36.2下载链接
MobileNet-V1608----29.4下载链接
MobileNet-V3608----31.4下载链接
MobileNet-V1-SSLD608----31.0下载链接

YOLOv3 on Pasacl VOC

骨架网络输入尺寸推理时间(fps)Box AP下载
MobileNet-V1608-75.2下载链接
MobileNet-V3608-79.6下载链接
MobileNet-V1-SSLD608-78.3下载链接
MobileNet-V3-SSLD608-80.4下载链接

PP-YOLO on COCO

模型骨干网络输入尺寸Box APvalBox APtestV100 FP32(FPS)V100 TensorRT FP16(FPS)模型下载
PP-YOLOResNet50vd60844.845.272.9155.6model
PP-YOLOv2ResNet50vd64049.149.568.9106.5model
PP-YOLOv2ResNet101vd64049.750.349.587.0model

注意:

  • PP-YOLO模型推理速度测试采用单卡V100，batch size=1进行测试，使用CUDA 10.2, CUDNN 7.5.1，TensorRT推理速度测试使用TensorRT 5.1.2.2。
  • PP-YOLO模型FP32的推理速度是使用Paddle预测库进行推理速度benchmark测试结果, 且测试的均为不包含数据预处理和模型输出后处理(NMS)的数据(与YOLOv4(AlexyAB)测试方法一致)。
  • TensorRT FP16的速度测试相比于FP32去除了yolo_box(bbox解码)部分耗时，即不包含数据预处理，bbox解码和NMS(与YOLOv4(AlexyAB)测试方法一致)。

PP-YOLO on Pascal VOC

模型骨干网络输入尺寸Box AP50val模型下载
PP-YOLOResNet50vd60884.9model

PP-YOLO tiny on COCO

模型模型体积后量化模型体积输入尺寸Box APvalKirin 990 1xCore (FPS)模型下载量化后模型
PP-YOLO tiny4.2MB1.3M41622.765.4model预测模型
  • PP-YOLO-tiny 模型推理速度测试环境配置为麒麟990芯片4线程，arm8架构。
  • 我们也提供的PP-YOLO-tiny的后量化压缩模型，将模型体积压缩到1.3M，对精度和预测速度基本无影响

实例分割模型

  • 所有模型均在COCO17数据集中训练和测试。
  • 除非特殊说明，所有ResNet骨干网络采用ResNet-B结构。
  • 推理时间(fps): 推理时间是在一张Tesla V100的GPU上测试所有验证集得到，单位是fps(图片数/秒), cuDNN版本是7.5，包括数据加载、网络前向执行和后处理, batch size是1。
骨架网络网络类型推理时间(fps)Box APMask AP下载
ResNet50Mask----37.432.8下载链接
ResNet50Mask----39.734.5下载链接
ResNet50-FPNMask----39.235.6下载链接
ResNet50-FPNMask----40.536.7下载链接
ResNet50-vd-FPNMask----40.336.4下载链接
ResNet50-vd-FPNMask----41.437.5下载链接
ResNet101-FPNMask----40.636.6下载链接
ResNet101-vd-FPNMask----42.438.1下载链接
ResNeXt101-vd-FPNMask----44.039.5下载链接
ResNeXt101-vd-FPNMask----44.639.8下载链接
ResNet50-vd-SSLDv2-FPNMask----42.038.2下载链接
ResNet50-vd-SSLDv2-FPNMask----42.738.9下载链接

语义分割模型

以下指标均在Pascal VOC验证集上测试得到，表中符号-表示相关指标暂未测试。

ModelBackboneResolutionmIoULinks
DeepLabV3PResNet50_vd512x51280.66%model
DeepLabV3PResNet101_vd512x51280.60%model

以下指标均在Cityscapes验证集上测试得到，表中符号-表示相关指标暂未测试。

ModelBackboneResolutionmIoULinks
UNet-1024x51265.00%model
DeepLabV3PResNet50_vd1024x51280.36%model
DeepLabV3PResNet101_vd1024x51281.10%model
Fast SCNN-1024x102469.31%model
HRNet_W18-1024x51278.97%model
HRNet_W48-1024x51280.70%model
BiSeNetv2-1024x102473.19%model
武大人民泌外I科人工智能团队
关注
专栏目录
PaddleX：PaddlePaddle端到端开发工具包（『飞桨』深度学习全流程开发工具）
02-04
| 英语 PaddleX-PaddlePaddle端到端开发工具包，使开发人员能够以低代码形式快速实施实际的行业项目 :hugging_face: PaddleX在Paddle CV工具包中集成了图像分类，对象检测，语义分割和实例分割的功能，并完成了从数据准备，模型训练和优化到多端部署的全过程开发。 同时，PaddleX提供了简洁的API和图形化的Ueser接口。 开发人员可以以低代码形式快速完成Paddle的端到端流程开发，而无需安装其他库。 :factory: PaddleX已在诸如质量检查，安全性，巡逻检查，遥感，零售，医疗等十几种行业应用场景中得到验证。此外，它提供了大量的案例实践教程，可帮助开发人员将其应用于实际案例
PaddleX模型调用插件源码.zip
01-31
标题 "PaddleX模型调用插件源码.zip" 提供的信息表明，这是一个与PaddleX相关的源代码压缩包，其中包含了用于调用PaddleX模型的插件。PaddleX是百度飞桨（PaddlePaddle）框架下的一个深度学习开发工具，它简化了模型...
基于PaddlePaddle的官方NLP模型总览
小白成小黑
09-29 4899
摘要：自然语言处理（NLP）主要是研究实现人与计算机之间用自然语言进行有效通信的各种理论和方法。基于神经网络的深度学习技术具有强大的表达能力、端到端解决问题的能力，因而在NLP任务的应用上越来越广泛和有效。 引言 自然语言处理（NLP）主要是研究实现人与计算机之间用自然语言进行有效通信的各种理论和方法。基于神经网络的深度学习技术具有强大的表达能力、端到端解决问题的能力，因而在NLP任务的应用上...
PaddlePaddle 模型库使用教程
最新发布
gitblog_00367的博客
08-07 603
PaddlePaddle 模型库使用教程 modelsPaddlePaddle/models: PaddlePaddle是百度研发的开源深度学习框架，该项目提供了基于PaddlePaddle的各种预训练模型示例、教程及可直接使用的模型库，方便开发者快速搭建和训练自己的深度学习应用。项目地址:https://gitcode.com/gh_mirrors/mo/models 项目介绍 PaddleP...
PaddleX视觉方案介绍
我是天才很好
06-30 2894
PaddleX目前提供了4种视觉任务解决方案，分别为图像分类、目标检测、实例分割和语义分割。用户可以根据自己的任务类型按需选取。 图像分类 图像分类任务指的是输入一张图片，模型预测图片的类别，如识别为风景、动物、车等。 对于图像分类任务，针对不同的应用场景，PaddleX提供了百度改进的模型，见下表所示 模型 模型大小 GPU预测速度 CPU预测速度 ARM芯片预测速度 准确率 备注 MobileNetV3_small_ssld 12M - - - 71.3% 适用于移动端场景 Mob
基于paddlex图像分类模型训练（二）：训练自己的分类模型、熟悉官方demo
进一寸有一寸的欢喜
02-03 1059
paddle分类，在线训练，体验
AI干货分享：PaddlePaddle官方九大NLP模型盘点
PaddlePaddle
03-26 3304
引言 自然语言处理（NLP）主要是研究实现人与计算机之间用自然语言进行有效通信的各种理论和方法。基于神经网络的深度学习技术具有强大的表达能力、端到端解决问题的能力，因而在NLP任务的应用上越来越广泛和有效。 近日，百度PaddlePaddle开源了语义表示模型ERNIE，在多个中文NLP任务上表现超越了谷歌的BERT（请参考链接），展示了百度在NLP技术的领先能力，同时也表明PaddlePad...
paddleX c++库 paddleseg c++库 paddleocr c++
10-25
`model_infer（paddleX库）.dll`文件是PaddleX的C++推理引擎，用户可以通过调用这个动态链接库来执行预训练模型的预测。 2. **PaddleSeg C++库**： PaddleSeg是PaddlePaddle针对图像分割任务的专门库，它集成了...
Python库 | paddlex-2.0.0rc3-py3-none-any.whl
02-20
《Python库PaddleX 2.0.0rc3详解》 在Python的世界里，库是开发者的重要工具，它们提供了一系列预定义的功能，使得开发者能够更高效地进行编程。PaddleX，全称PaddlePaddle eXtend，是由阿里云开发的一个强大的深度...
paddlex模型在python部署
08-19
PaddleX模型可以通过PaddleLite进行部署，PaddleLite是PaddlePaddle的轻量级推理引擎，支持多种硬件平台和操作系统，可以实现高效的模型推理。具体步骤如下： 1. 安装PaddlePaddle和PaddleX 2. 使用PaddleX训练...
Python库 | paddlex-1.3.7-py3-none-any.whl
03-22
**Python库PaddleX详解** PaddleX是一个由阿里云开发的端到端深度学习开发套件，专注于简化AI模型的训练和部署流程。在给定的资源中，我们有一个名为“paddlex-1.3.7-py3-none-any.whl”的压缩包文件，这正是...
1.深度学习时序建模库PaddleTS教程之简介
AI算法蒋同学的博客
11-17 3788
最近在研究基于paddlepaddle的PaddleTS深度时序建模库，想应用paddlets的主要原因是支持国产，同时paddlets提供的算法比较全面，并且j集成了sklearn()、pyod([异常点检测算法工具库]())等第三方库。下面是官方的一些见解，之后会对每一部分的算法进行应用测试。PaddleTS 是一个易用的深度时序建模的Python库，它基于飞桨深度学习框架PaddlePaddle，专注业界领先的深度模型，旨在为领域专家和行业用户提供可扩展的时序建模能力和便捷易用的用户体验。
Paddle简介
热门推荐
weixin_43166986的博客
08-19 1万+
PaddlePaddle是百度公司提出的深度学习框架。近年来深度学习在很多机器学习领域都有着非常出色的表现，在图像识别、语音识别、自然语言处理、机器人、网络广告投放、医学自动诊断和金融等领域有着广泛应用。面对繁多的应用场景，深度学习框架有助于建模者节省大量而繁琐的外围工作，更聚焦业务场景和模型设计本身。 深度学习框架优势 使用深度学习框架完成模型构建有如下两个优势： 1：节省编写大量底层代码的精力：屏蔽底层实现，用户只需关注模型的逻辑结构。同时，深度学习工具简化了计算，降低了深度学习入门门槛。 2：省去了部
百度飞桨各个库版本记录！
丨汀、的博客
08-29 1476
文心大模型ERNIE是百度发布的产业级知识增强大模型，涵盖了NLP大模型和跨模态大模型。2019年3月，开源了国内首个开源预训练模型文心ERNIE 1.0，此后在语言与跨模态的理解和生成等领域取得一系列技术突破，并对外开源与开放了系列模型，助力大模型研究与产业化应用发展。得到的轻量级模型，模型结构与 ERNIE 2.0 保持一致，相比 ERNIE 2.0 具有更强的中文效果。全系列中文预训练小模型发布，快速提升预训练模型部署效率，通用信息抽取技术。系列模型全新升级，支持速度更快效果更好的UIE小模型。...
深度学习：Paddle 中的模型与层
weixin_42947848的博客
03-27 525
在Paddle中，大多数模型由一系列层组成，层是模型的基础逻辑执行单元。计算所需的变量以临时变量或参数的形式作为层的成员持有持有一个或多个具体的Operator来完成相应的计算从零开始构建变量、Operator，从而组建层、模型是一个很复杂的过程。并且当中难以避免的会出现很多冗余代码，因此Paddle提供了基础数据类型，来方便你快速的实现自己的层和模型。模型和层都可以基于 paddle.nn.Layer扩充实现，因此也可以说模型只是一种特殊的层。
paddleX使用教程学习笔记
qq_48345413的博客
04-29 6602
paddleX为百度飞浆一类产品，在数据标注、图像处理、模型训练方面简单实用，以下为用法学习笔记 paddleX使用教程学习笔记PaddleX的安装示例下载使用步骤导入数据集新建项目参数配置模型训练模型评估总结 PaddleX的安装 首先进入飞浆官网，在产品全景下面找到paddleX产品并下载 示例下载 使用步骤 导入数据集 选择导入路径 校验数据标注无误后，可对数据进行切分，划分为训练集、验证集、测试集 新建项目 有了数据集，我们就i可以建立项目啦，选择刚刚导入的数据集 参数配置 进行模
CPU 版的paddlex 版本 各种依赖库列表展示
Vertira的博客
04-24 649
我安装的cpu版本的paddlex， # Name Version Build Channel astor 0.8.1 pypi_0 pypi atomicwrites 1.4.0 pypi_0 pypi attrs 21.4.0
【一个文件一键下载安装】Paddle/环境 & Paddle套件全家桶
m0_63642362的博客
02-12 1340
省去一个个clone安装配环境的难题，让你得到飞一般的下载体验，快速下载好你想要的所有仓库，快速在任何新地点搭建好你的 Paddle 工作台。（持续更新中，未来支持windows
【飞桨Paddle】RTSP视频流和PP-Human实时行人分析
qq_41807261的博客
11-21 3717
预测结果进行rtsp推流
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

武大人民泌外I科人工智能团队

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值