Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
PaddlePaddle
PaddleHub
提交
9fd283ea
P
PaddleHub
项目概览
PaddlePaddle
/
PaddleHub
大约 1 年 前同步成功
通知
282
Star
12117
Fork
2091
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
200
列表
看板
标记
里程碑
合并请求
4
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
P
PaddleHub
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
200
Issue
200
列表
看板
标记
里程碑
合并请求
4
合并请求
4
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
未验证
提交
9fd283ea
编写于
9月 17, 2019
作者:
S
Steffy-zxf
提交者:
GitHub
9月 17, 2019
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
Update RELEASE.md
上级
09b831da
变更
1
隐藏空白更改
内联
并排
Showing
1 changed file
with
22 addition
and
19 deletion
+22
-19
RELEASE.md
RELEASE.md
+22
-19
未找到文件。
RELEASE.md
浏览文件 @
9fd283ea
# PaddleHub v
0.5
.0
# PaddleHub v
1.2
.0
正式发布PaddleHub预训练模型管理工具,旨在帮助用户更高效的管理模型并开展迁移学习的工作。
*
新增
**超参优化Auto Fine-tune**
,实现给定超参搜索空间,PaddleHub自动给出最优的超参组合
*
*
*
新增
**阅读理解任务**
和
**回归任务**
*
新增Fine-tune
**优化策略ULMFiT**
*
预训练模型管理: 通过hub命令行可完成PaddlePaddle生态的预训练模型下载、搜索、版本管理等功能。
# PaddleHub v1.1.1
*
命令行一键使用: 无需代码,通过命令行即可直接使用预训练模型进行预测,快速调研训练模型效果。
目前版本支持以下模型:词法分析LAC;情感分析Senta;目标检测SSD;图像分类ResNet, MobileNet, NASNet等。
*
PaddleHub支持离线运行
*
修复python2安装PaddleHub失败问题
*
迁移学习: 提供了基于预训练模型的Finetune API,用户通过少量代码即可完成迁移学习,包括BERT/ERNIE文本分类、序列标注、图像分类迁移等。
# PaddleHub v1.
0
.0
# PaddleHub v1.
1
.0
*
全新发布
[
**PaddleHub官网**
](
https://www.paddlepaddle.org.cn/hub
)
,易用性全面提升
*
**新增29个预训练模型**
,覆盖文本、图像、视频三大领域;目前官方提供40个预训练模型
*
Fine-tune API升级,灵活性与性能全面提升
*
PaddleHub
**新增预训练模型ERNIE 2.0**
# PaddleHub v1.0.1
*
安装模型时自动选择与paddlepaddle版本适配的模型
# PaddleHub v1.
1
.0
# PaddleHub v1.
0
.0
*
PaddleHub
**新增预训练模型ERNIE 2.0**
*
全新发布
[
**PaddleHub官网**
](
https://www.paddlepaddle.org.cn/hub
)
,易用性全面提升
*
**新增29个预训练模型**
,覆盖文本、图像、视频三大领域;目前官方提供40个预训练模型
*
Fine-tune API升级,灵活性与性能全面提升
# PaddleHub v
1.1.1
# PaddleHub v
0.5.0
*
PaddleHub支持离线运行
*
修复python2安装PaddleHub失败问题
正式发布PaddleHub预训练模型管理工具,旨在帮助用户更高效的管理模型并开展迁移学习的工作。
# PaddleHub v1.2.0
*
预训练模型管理: 通过hub命令行可完成PaddlePaddle生态的预训练模型下载、搜索、版本管理等功能。
*
新增
**超参优化Auto Fine-tune**
,详情参考
[
使用说明
](
https://github.com/PaddlePaddle/PaddleHub/blob/develop/tutorial/autofinetune.md
)
*
新增
**阅读理解任务**
和
**回归任务**
*
新增Fine-tune
**优化策略ULMFiT**
*
命令行一键使用: 无需代码,通过命令行即可直接使用预训练模型进行预测,快速调研训练模型效果。
目前版本支持以下模型:词法分析LAC;情感分析Senta;目标检测SSD;图像分类ResNet, MobileNet, NASNet等。
*
迁移学习: 提供了基于预训练模型的Finetune API,用户通过少量代码即可完成迁移学习,包括BERT/ERNIE文本分类、序列标注、图像分类迁移等。
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录