飞桨全流程开发工具(PaddleX)，集飞桨核心框架、模型库、工具及组件等深度学习开发所需全部能力于一身，打通深度学习开发全流程，并提供简明易懂的Python API，方便用户根据实际生产需求进行直接调用或二次开发，为开发者提供飞桨全流程开发的最佳实践。

　　软件特色

　　全流程打通

　　针对数据准备、模型训练、模型调优、多端部署的深度学习全流程应用

　　易用易集成

　　易用易集成

　　简明易懂的Python API，完全开源开放，易于二次开发和二次集成

　　融合产业实践经验

　　融合产业实践经验

　　融合飞桨产业落地经验，精选高质量的视觉模型方案，并开放实际的案例教学

　　教程与服务

　　教程与服务

　　全流程开发文档说明及技术服务。多种方式与技术团队直接进行交流

　　安装环境

　　操作系统：

　　Windows7/8/10(推荐Windows 10);

　　Mac OS 10.13+;

　　Ubuntu 18.04+;

　　注：处理器需为x86_64架构，支持MKL。

　　训练硬件：

　　GPU(仅Windows及Linux系统)：

　　推荐使用支持CUDA的NVIDIA显卡，例如：GTX 1070+以上性能的显卡;

　　Windows系统X86_64驱动版本>=411.31;

　　Linux系统X86_64驱动版本>=410.48;

　　显存8G以上;

　　CPU：

　　PaddleX当前支持您用本地CPU进行训练，但推荐使用GPU以获得更好的开发体验。

　　内存：建议8G以上

　　硬盘空间：建议SSD剩余空间1T以上(非必须)

　　注：PaddleX在Windows及Mac OS系统只支持单卡模型。Windows系统暂不支持NCCL。

　　更新日志

　　Version 1.1.0

　　2020年09月06日

　　新增目标检测模型PPYOLO

　　目标检测模型FasterRCNN和MaskRCNN新增骨干网络HRNet_W18

　　新增语义分割模型FastSCNN、HRNet_W18

　　语义分割模型DeepLabv3p新增骨干网络MobileNetV3_large_ssld

　　FasterRCNN、MaskRCNN、YOLOv3、PPYOLO、DeepLabv3p等模型新增内置COCO数据集预训练权重

　　新增示例案例RGB图像遥感分割