更新历史

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。