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
changxl.
paddlehub
提交
c05f484b
P
paddlehub
项目概览
changxl.
/
paddlehub
与 Fork 源项目一致
从无法访问的项目Fork
通知
1
Star
0
Fork
0
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
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
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
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
前往新版Gitcode,体验更适合开发者的 AI 搜索 >>
提交
c05f484b
编写于
1月 17, 2020
作者:
S
Steffy-zxf
提交者:
wuzewu
1月 17, 2020
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
Fix docs (#324)
* update docs
上级
4a547856
变更
7
隐藏空白更改
内联
并排
Showing
7 changed file
with
11 addition
and
15 deletion
+11
-15
README.md
README.md
+4
-4
demo/README.md
demo/README.md
+1
-1
demo/autofinetune_image_classification/README.md
demo/autofinetune_image_classification/README.md
+1
-1
demo/autofinetune_text_classification/README.md
demo/autofinetune_text_classification/README.md
+2
-2
demo/image_classification/README.md
demo/image_classification/README.md
+2
-2
demo/sequence_labeling/README.md
demo/sequence_labeling/README.md
+0
-4
demo/text_classification/README.md
demo/text_classification/README.md
+1
-1
未找到文件。
README.md
浏览文件 @
c05f484b
...
...
@@ -100,11 +100,11 @@ PaddleHub同时支持安装、卸载、查看模型信息等命令行功能,
*
示例合集
PaddleHub提供了使用Finetune-API和预训练模型完成
[
文本分类
](
./demo/text_classification
)
、
[
序列标注
](
./demo/sequence_labeling
)
、
[
多标签分类
](
./demo/multi_label_classification
)
、
[
图像分类
](
./demo/image_classification
)
、
[
检索式问答任务
](
./demo/qa_classification
)
、
[
回归任务
](
./demo/regression
)
、
[
句子语义相似度计算
](
./demo/sentence_similarity
)
、
[
阅读理解任务
](
./demo/reading_comprehension
)
等迁移任务的使用示例,详细参见
[
demo
](
./demo
)
。
PaddleHub提供了使用Finetune-API和预训练模型完成
[
文本分类
](
./demo/text_classification
)
、
[
序列标注
](
./demo/sequence_labeling
)
、
[
多标签分类
](
./demo/multi_label_classification
)
、
[
图像分类
](
./demo/image_classification
)
、
[
检索式问答任务
](
./demo/qa_classification
)
、
[
回归任务
](
./demo/regression
)
、
[
句子语义相似度计算
](
./demo/sentence_similarity
)
、
[
阅读理解任务
](
./demo/reading_comprehension
)
等迁移任务的使用示例,详细参见
[
demo
](
./demo
)
。
*
场景化使用
PaddleHub在AI Studio上提供了IPython NoteBook形式的demo。用户可以直接在平台上在线体验,链接如下:
PaddleHub在AI Studio上提供了IPython NoteBook形式的demo。用户可以直接在平台上在线体验,链接如下:
|预训练模型|任务类型|数据集|AIStudio链接|备注|
|-|-|-|-|-|
...
...
@@ -153,13 +153,13 @@ $ hub serving start --config config.json
config.json文件包含待部署模型信息等,
关于PaddleHub Serving详细信息参考
[
PaddleHub Serving一键服务化部署
](
https://github.com/PaddlePaddle/PaddleHub/wiki/PaddleHub-Serving%E4%B8%80%E9%94%AE%E6%9C%8D%E5%8A%A1%E9%83%A8%E7%BD%B2
)
。
关于PaddleHub Serving详细信息参考
[
PaddleHub Serving一键服务化部署
](
./tutorial/serving.md
)
。
### 超参优化AutoDL Finetuner
深度学习模型往往包含许多的超参数,而这些超参数的取值对模型性能起着至关重要的作用。因为模型参数空间大,目前超参调整都是通过手动,依赖人工经验或者不断尝试,且不同模型、样本数据和场景下不尽相同,所以需要大量尝试,时间成本和资源成本非常浪费。PaddleHub AutoDL Finetuner可以实现自动调整超参数,使得模型性能达到最优水平。它通过多种调优的算法来搜索最优超参。
AutoDL Finetuner详细信息参见
[
PaddleHub超参优化
](
./tutorial/autofinetune.md
)
AutoDL Finetuner详细信息参见
[
PaddleHub超参优化
](
./tutorial/autofinetune.md
)
。
## FAQ
...
...
demo/README.md
浏览文件 @
c05f484b
...
...
@@ -42,7 +42,7 @@
该样例文件夹下展示了服务化部署Hub Serving如何使用,将PaddleHub支持的可预测Module如何服务化部署。
**NOTE:**
以上任务示例均是利用PaddleHub提供的数据集,若您想在自定义数据集上完成相应任务,请查看
[
PaddleHub适配自定义数据完成Fine
Tune
](
https://github.com/PaddlePaddle/PaddleHub/wiki/PaddleHub%E9%80%82%E9%85%8D%E8%87%AA%E5%AE%9A%E4%B9%89%E6%95%B0%E6%8D%AE%E5%AE%8C%E6%88%90FineTune
)
以上任务示例均是利用PaddleHub提供的数据集,若您想在自定义数据集上完成相应任务,请查看
[
PaddleHub适配自定义数据完成Fine
-tune
](
https://github.com/PaddlePaddle/PaddleHub/wiki/PaddleHub%E9%80%82%E9%85%8D%E8%87%AA%E5%AE%9A%E4%B9%89%E6%95%B0%E6%8D%AE%E5%AE%8C%E6%88%90FineTune
)
。
## 在线体验
...
...
demo/autofinetune_image_classification/README.md
浏览文件 @
c05f484b
...
...
@@ -33,7 +33,7 @@ param_list:
## Step2:改动模型代码
img_cls.py以mobilenet为预训练模型,在flowers数据集上进行Fine-tune。PaddleHub如何完成Finetune可以参考
[
图像分类迁移学习示例
](
../image_classification
)
img_cls.py以mobilenet为预训练模型,在flowers数据集上进行Fine-tune。PaddleHub如何完成Finetune可以参考
[
图像分类迁移学习示例
](
../image_classification
)
。
*
import paddlehub
...
...
demo/autofinetune_text_classification/README.md
浏览文件 @
c05f484b
...
...
@@ -43,7 +43,7 @@ param_list:
## Step2:改动模型代码
text_cls.py以ernie为预训练模型,在ChnSentiCorp数据集上进行Fine-tune。PaddleHub如何完成Finetune可以参考
[
文本分类迁移学习示例
](
../text_classification
)
text_cls.py以ernie为预训练模型,在ChnSentiCorp数据集上进行Fine-tune。PaddleHub如何完成Finetune可以参考
[
文本分类迁移学习示例
](
../text_classification
)
。
*
import paddlehub
...
...
@@ -73,4 +73,4 @@ text_cls.py以ernie为预训练模型,在ChnSentiCorp数据集上进行Fine-tu
在完成安装PaddlePaddle与PaddleHub后,通过执行脚本
`sh run_autofinetune.sh`
即可开始使用超参优化功能。
**NOTE:**
关于PaddleHub超参优化详情参考
[
教程
](
../../tutorial/autofinetune.md
)
**NOTE:**
关于PaddleHub超参优化详情参考
[
教程
](
../../tutorial/autofinetune.md
)
。
demo/image_classification/README.md
浏览文件 @
c05f484b
...
...
@@ -20,7 +20,7 @@
## 代码步骤
使用PaddleHub Fine-tune API进行Fine-tune可以分为4个步骤
使用PaddleHub Fine-tune API进行Fine-tune可以分为4个步骤
。
### Step1: 加载预训练模型
...
...
@@ -29,7 +29,7 @@ module = hub.Module(name="resnet_v2_50_imagenet")
inputs
,
outputs
,
program
=
module
.
context
(
trainable
=
True
)
```
PaddleHub提供许多图像分类预训练模型,如xception、mobilenet、efficientnet等,详细信息参见
[
图像分类模型
](
https://www.paddlepaddle.org.cn/hub?filter=en_category&value=ImageClassification
)
PaddleHub提供许多图像分类预训练模型,如xception、mobilenet、efficientnet等,详细信息参见
[
图像分类模型
](
https://www.paddlepaddle.org.cn/hub?filter=en_category&value=ImageClassification
)
。
如果想尝试efficientnet模型,只需要更换Module中的
`name`
参数即可.
```
python
...
...
demo/sequence_labeling/README.md
浏览文件 @
c05f484b
...
...
@@ -160,10 +160,6 @@ seq_label_task.finetune_and_eval()
如果想改变迁移任务组网,详细参见
[
自定义迁移任务
](
https://github.com/PaddlePaddle/PaddleHub/wiki/PaddleHub:-%E8%87%AA%E5%AE%9A%E4%B9%89Task
)
。
#### 自定义迁移任务
如果想改变迁移任务组网,详细参见
[
自定义迁移任务
](
https://github.com/PaddlePaddle/PaddleHub/wiki/PaddleHub:-%E8%87%AA%E5%AE%9A%E4%B9%89Task
)
## 可视化
Fine-tune API训练过程中会自动对关键训练指标进行打点,启动程序后执行下面命令:
...
...
demo/text_classification/README.md
浏览文件 @
c05f484b
...
...
@@ -21,7 +21,7 @@
## 代码步骤
使用PaddleHub Fine-tune API进行Fine-tune可以分为4个步骤
;
使用PaddleHub Fine-tune API进行Fine-tune可以分为4个步骤
。
### Step1: 加载预训练模型
...
...
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