使用paddleX体验

进入paddlex以后的界面如下所示：

首先说明paddlex的作用是：

PaddleX是PaddlePaddle深度学习框架的一个扩展库，专注于为深度学习任务提供强大的图像处理和增强功能，以及完整的深度学习开发套件。

PaddleX具有的功能涵盖了计算机视觉领域的众多方面，例如图像分类、目标检测、人脸识别、文字识别、图像生成、姿态估计等，同时它还支持视频处理和3D图像处理，这使得PaddleX在深度学习研究和项目开发中非常实用。

PaddleX提供了大量易于使用的API，可以帮助开发者快速地构建和训练各种深度学习模型，而无需从头开始编写代码。此外，PaddleX还支持多种硬件平台，并可以与各种流行的深度学习框架进行无缝集成，例如TensorFlow、PyTorch等。

这里拿这个目标检测的套件来作为例子，进行展示：

点击训练进来，就是下面这个页面：

在paddlex里面，会提供一系列的训练，加载模型的方式。

在这里，建议初学者使用工具箱模式，对于使用者要求比较低，不需要写很多代码，即可训练出自己想要的模型

数据格式参考如下：

在这里会按照我们开发深度学习的模型的常用套路方法，依次进行模型训练和开发，首先是数据效验，就是确定数据集是否正确无误，如图所示会检测到以下的数据集，包括训练集和验证集，通常训练集和验证集的比例是在：7:3的样子。

然后就可以开始模型训练，在模型训练里面提供了训练epochs的数量，每一次训练步长和学习率，GPU的选择，还有输出模型位置，如果想知道训练到哪一步了，就看下面的运行日志会实时更新，如果日志更新太快，来不及看，就取消自动刷新即可。

评估模式：在模型训练完成以后，我们需要测试训练出来的模型的效果是怎么样的？

为此，在右边就提供了这样的测试接口

另外还有模型导出应用的功能，目前还只是支持C++和python。

官方给出的说明是：

模型部署功能仅支持工具箱模式使用，提供了导出预测模型以及导出部署包的功能。部署包为模型在不同系统、不同语言、不同硬件条件下用于部署的SDK。

导出预测模型：支持开发者将训练好的模型以静态图的形式导出，方便模型部署。通过【选择模型权重】，下拉选择想要导出的预测模型，设置好保存目录后即可导出模型。

导出部署包：

部署模型有两种来源：在PaddleX训练好并导出的预测模型，或者开发者自己上传的模型。开发者需要选择好模型路径，并注意选择静态图模型（后缀为pdiparams而不是pdparams）。
先从操作系统选择，选择操作系统后，会根据该操作系统支持的情况显示对应内容；依次选择编程语言、CPU、加速卡，后台会将模型和部署SDK等自动打包好，提供给开发者。
部署包保存路径：最终打包的部署包，会保存到项目空间，具体路径见于【部署包保存路径】，注意在AI Studio云端需要切换到开发者模式下载部署包。
部署包使用文档：部署包中包含详细使用文档，开发者根据文档即可完成部署包在项目中的集成。