Release Note¶
v2.1.0
¶
[ 1. Improvements]¶
Add supports for five new models, including two high-precision semantic segmentation models based on VOC dataset and three voice classification models.
Enforce the transfer learning capabilities for image semantic segmentation, text semantic matching and voice classification on related datasets.
[ 2. Upgrades of deployment capabilities]¶
Add the export function APIs for two kinds of model formats, i.,e, ONNX and PaddleInference.
Important Open-Source Ecological Cooperation: add the support for BentoML, which is a cloud native framework for serving deployment. Users can easily serve pre-trained models from PaddleHub by following the [Tutorial notebooks](https:// github.com/PaddlePaddle/PaddleHub/tree/release/v2.1/demo/serving/BentoML). Also, see this announcement and Release note from BentoML. (Many thanks to @parano @cqvu @deehrlic for contributing this feature in PaddleHub)
[ 3. Bug fixes ]¶
v2.0.0
¶
发布 2.0版本,全面迁移动态图编程模式,模型开发调试更加方便,finetune接口更加灵活易用。
视觉类任务迁移学习能力全面升级,支持图像分类、图像着色、风格迁移等多种任务。
BERT、ERNIE、RoBERTa等Transformer类模型升级至动态图,支持文本分类、序列标注的Fine-Tune能力。
新增词向量模型61个,其中包含中文模型51个,英文模型10个。
优化服务化部署Serving能力,支持多卡预测、自动负载均衡,性能大幅度提升。
新增自动数据增强能力Auto Augment,能高效地搜索适合数据集的数据增强策略组合。
v2.0.0-beta1
¶
BERT、ERNIE、RoBERTa等Transformer类模型升级至动态图,增加文本分类的Fine-Tune能力
修复部分已知问题
v2.0.0-beta0
¶
v1.8.1
¶
『图像分割』新增轻量级人像分割模型Humanseg,支持移动端实时分割
增强文本匹配任务性能,使用EMNLP2019-Sentence-BERT作为文本匹配任务网络,可同时大幅提升准确率和预测速度。配套教程:pointwise文本语义匹配、pairwise文本语义匹配
修复文本分类选择F1作为评价指标,运行错误
v1.8.0
¶
预训练模型丰富,一键完成更多
Fine-tune API升级,提升灵活性并支持更多任务
v1.7.0
¶
丰富预训练模型,提升应用性
新增VENUS系列视觉预训练模型yolov3_darknet53_venus,faster_rcnn_resnet50_fpn_venus,可大幅度提升图像分类和目标检测任务的Fine-tune效果
新增工业级短视频分类模型videotag_tsn_lstm,支持3000类中文标签识别
新增轻量级中文OCR模型chinese_ocr_db_rcnn、chinese_text_detection_db,支持一键快速OCR识别
新增行人检测、车辆检测、动物识别、Object等工业级模型
Fine-tune API升级
文本分类任务新增6个预置网络,包括CNN, BOW, LSTM, BiLSTM, DPCNN等
使用VisualDL可视化训练评估性能数据
v1.6.2
¶
修复图像分类在windows下运行错误
v1.6.1
¶
修复windows下安装PaddleHub缺失config.json文件
v1.6.0
¶
NLP Module全面升级,提升应用性和灵活性
Task predict接口增加高性能预测模式accelerate_mode,性能提升高达90%
PaddleHub Module创建流程开放,支持Fine-tune模型转化,全面提升应用性和灵活性
PaddleHub Serving优化启动方式,支持更加灵活的参数配置
v1.5.2
¶
优化pyramidbox_lite_server_mask、pyramidbox_lite_mobile_mask模型的服务化部署性能
v1.5.1
¶
修复加载module缺少cache目录的问题
v1.5.0
¶
升级PaddleHub Serving,提升性能和易用性
新增文本Embedding服务Bert Service, 轻松获取文本embedding;
代码精短,易于使用。服务端/客户端一行命令即可获取文本embedding;
更高性能,更高效率。通过Paddle AnalysisPredictor API优化计算图,提升速度减小显存占用
随”机”应变,灵活扩展。根据机器资源和实际需求可灵活增加服务端数量,支持多显卡多模型计算任务
优化并发方式,多核环境中使用多线程并发提高整体QPS
优化PaddleHub迁移学习组网Task功能,提升易用性
增加Hook机制,支持修改Task内置方法
增加colorlog,支持日志彩色显示
改用save_inference_model接口保存模型,方便模型部署
优化predict接口,增加return_result参数,方便用户直接获取预测结果
优化PaddleHub Dataset基类,加载自定义数据代码更少、更简单
v1.4.1
¶
修复利用Transformer类模型完成序列标注任务适配paddle1.6版本的问题
Windows下兼容性提升为python >= 3.6
v1.4.0
¶
新增预训练模型ERNIE tiny
新增数据集:INEWS、BQ、DRCD、CMRC2018、THUCNEWS,支持ChineseGLUE(CLUE)V0 所有任务
修复module与PaddlePaddle版本兼容性问题
优化Hub Serving启动过程和模型加载流程,提高服务响应速度
v1.3.0
¶
新增PaddleHub Serving服务部署
新增hub serving命令,支持一键启动Module预测服务部署
新增预训练模型:
roberta_wwm_ext_chinese_L-24_H-1024_A-16
roberta_wwm_ext_chinese_L-12_H-768_A-12
bert_wwm_ext_chinese_L-12_H-768_A-12
bert_wwm_chinese_L-12_H-768_A-12
AutoDL Finetuner优化使用体验
支持通过接口方式回传模型性能
可视化效果优化,支持多trail效果显示
v1.2.1
¶
新增超参优化Auto Fine-tune,实现给定超参搜索空间,PaddleHub自动给出较佳的超参组合
支持两种超参优化算法:HAZero和PSHE2
支持两种评估方式:FullTrail和PopulationBased
新增Fine-tune优化策略ULMFiT,包括以下三种设置
Slanted triangular learning rates:学习率先线性增加后缓慢降低
Discriminative fine-tuning:将计算图划分为n段,不同的段设置不同学习率
Gradual unfreezing:根据计算图的拓扑结构逐层unfreezing
新增支持用户自定义PaddleHub配置,包括
预训练模型管理服务器地址
日志记录级别
Fine-tune API升级,灵活性与易用性提升
新增阅读理解Fine-tune任务和回归Fine-tune任务
新增多指标评测
优化predict接口
可视化工具支持使用tensorboard
v1.1.2
¶
PaddleHub支持修改预训练模型存放路径${HUB_HOME}
v1.1.1
¶
PaddleHub支持离线运行
修复python2安装PaddleHub失败问题
v1.1.0
¶
PaddleHub 新增预训练模型ERNIE 2.0
升级Reader, 支持自动传送数据给Ernie 1.0/2.0
新增数据集GLUE(MRPC、QQP、SST-2、CoLA、QNLI、RTE、MNLI)
v1.0.1
¶
安装模型时自动选择与paddlepaddle版本适配的模型
v1.0.0
¶
全新发布PaddleHub官网,易用性全面提升
新增网站 https://www.paddlepaddle.org.cn/hub 包含PaddlePaddle生态的预训练模型使用介绍
迁移学习Demo接入AI Studio与AI Book,无需安装即可快速体验
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
CV预训练模型:
新增图像分类预训练模型11个:SE_ResNeXt, GoogleNet, ShuffleNet等
新增目标检测模型Faster-RCNN和YOLOv3
新增图像生成模型CycleGAN
新增人脸检测模型Pyramidbox
新增视频分类模型4个: TSN, TSM, StNet, Non-Local
NLP预训练模型
新增语义模型ELMo
新增情感分析模型5个: Senta-BOW, Senta-CNN, Senta-GRNN, , Senta-LSTM, EmoTect
新增中文语义相似度分析模型SimNet
升级LAC词法分析模型,新增词典干预功能,支持用户自定义分词
Fine-tune API升级,灵活性与性能全面提升
支持多卡并行、PyReader多线程IO,Fine-tune速度提升60%
简化finetune、evaluate、predict等使用逻辑,提升易用性
增加事件回调功能,方便用户快速实现自定义迁移学习任务
新增多标签分类Fine-tune任务
v0.5.0
¶
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。
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。
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Fine-tune 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。