简体中文 | English

简介与特性

  • PaddleHub旨在为开发者提供丰富的、高质量的、直接可用的预训练模型
  • 【模型种类丰富】: 涵盖大模型、CV、NLP、Audio、Video、工业应用主流六大品类的 400+ 预训练模型，全部开源下载，离线可运行
  • 【超低使用门槛】：无需深度学习背景、无需数据与训练过程，可快速使用AI模型
  • 【一键模型快速预测】：通过一行命令行或者极简的Python API实现模型调用，可快速体验模型效果
  • 【一键模型转服务化】：一行命令，搭建深度学习模型API服务化部署能力
  • 【跨平台兼容性】：可运行于Linux、Windows、MacOS等多种操作系统

近期更新

  • 🔥2022.10.20: 发布v2.3.1版本新增Stable_Diffusion系列模型和超分模型

  • 🔥2022.08.19: 发布v2.3.0版本新增文心大模型和disco diffusion(dd)系列文图生成模型。

    • 支持对文心大模型API的调用, 包括 文图生成模型ERNIE-ViLG, 以及支持写作文、写文案、写摘要、对对联、自由问答、写小说、补全文本等多个应用的语言模型ERNIE 3.0 Zeus
    • 新增基于disco diffusion技术的文图生成dd系列模型(免费GPU体验Demo)。

  • 2022.02.18: 加入Huggingface，创建了PaddlePaddle的可视化空间并上传了模型: PaddlePaddle Huggingface。

  • 🔥2021.12.22，发布v2.2.0版本新增预训练模型库官网，新增100+高质量模型，涵盖对话、语音处理、语义分割、文字识别、文本处理、图像生成等多个领域，预训练模型总量达到【360+】；

  • More

精品模型效果展示【更多】【模型库】

大模型（10个）

文心大模型 Stable_Diffusion系列模型 Disco Diffusion系列模型
支持文图生成、写作文、写文案、写摘要、对对联、自由问答、写小说、补全文本等多个应用。 支持文生图、图生图、图修复、二次元专属waifu等功能 支持中英输入

图像类（212个）

  • 包括图像分类、人脸检测、口罩检测、车辆检测、人脸/人体/手部关键点检测、人像分割、80+语言文本识别、图像超分/上色/动漫化等

文本类（130个）

  • 包括中文分词、词性标注与命名实体识别、句法分析、AI写诗/对联/情话/藏头诗、中文的评论情感分析、中文色情文本审核等
  • 感谢CopyRight@ERNIE、LAC、DDParser提供相关预训练模型，训练能力开放，欢迎体验。

语音类（15个）

  • ASR语音识别算法，多种算法可选
  • 语音识别效果如下:
Input Audio Recognition Result

I knocked at the door on the ancient side of the building.

我认为跑步最重要的就是给我带来了身体健康。
  • TTS语音合成算法，多种算法可选
  • 输入：Life was like a box of chocolates, you never know what you're gonna get.
  • 合成效果如下:
deepvoice3 fastspeech transformer



  • 感谢CopyRight@PaddleSpeech提供预训练模型，训练能力开放，欢迎体验。

视频类（8个）

  • 包含短视频分类，支持3000+标签种类，可输出TOP-K标签，多种算法可选。
  • 感谢CopyRight@PaddleVideo提供预训练模型，训练能力开放，欢迎体验。
  • 举例：输入一段游泳的短视频，算法可以输出"游泳"结果

===划重点===

  • 以上所有预训练模型全部开源，模型数量持续更新，欢迎**⭐Star⭐**关注。

欢迎加入PaddleHub技术交流群

  • 在使用模型过程中有任何问题，可以加入官方微信群，获得更高效的问题答疑，与各行各业开发者充分交流，期待您的加入。
扫码备注"Hub"加好友之后，再发送“Hub”，会自动邀请您入群。 
!pip install --upgrade paddlepaddle -i https://mirror.baidu.com/pypi/simple
!pip install --upgrade paddlehub -i https://mirror.baidu.com/pypi/simple

极简中文分词案例

import paddlehub as hub

lac = hub.Module(name="lac")
test_text = ["今天是个好天气。"]

results = lac.cut(text=test_text, use_gpu=False, batch_size=1, return_tag=True)
print(results)
#{'word': ['今天', '是', '个', '好天气', '。'], 'tag': ['TIME', 'v', 'q', 'n', 'w']}

一行代码部署lac（词法分析）模型

!hub serving start -m lac

欢迎用户通过模型搜索发现更多实用的预训练模型！

更多迁移学习能力可以参考教程文档

许可证书

本项目的发布受Apache 2.0 license许可认证。

致谢开发者

我们非常欢迎您为PaddleHub贡献代码，也十分感谢您的反馈。