# 一、PaddleStudio概述
本项目源自于[PaddleX](https://github.com/PaddlePaddle/PaddleX)的Restful项目，依托国产深度学习框架[PaddlePaddle](https://www.paddlepaddle.org.cn/)打造的图形化深度学习开发平台，旨在让**非AI开发者以最便捷的方式完成AI模型研发**。目前平台功能涵盖图像分类、目标检测、实例分割、语义分割等常规CV训练任务，未来将逐步打通数据标注、算法研发两大模块，真正的让用户可以感受到“无代码”化的便捷。
由于PaddleX项目官方已停止更新，本项目将PaddleX的GUI部分独立出来并且进行了重组，由**飞桨社区开发者共同维护**，**遵循Apache License 2.0开源协议**，欢迎各位小伙伴前来体验和参与，多多提出您的宝贵意见。
# 二、环境准备
## 2.1 安装PaddlePaddle
PaddleStudio依赖PaddlePaddle框架执行训练，因此首先要安装PaddlePaddle。
参照[PaddlePaddle官网](https://www.paddlepaddle.org.cn/install/quick?docurl=/documentation/docs/zh/install/pip/windows-pip.html)进行安装，安装时需要注意CUDA版本的一致性。例如，对于已经安装CUDA11.6的Windows操作系统，可以使用下面的命令安装PaddlePaddle2.4：
```bash
python -m pip install paddlepaddle-gpu==2.4.1.post116 -f https://www.paddlepaddle.org.cn/whl/windows/mkl/avx/stable.html
```
安装完成后可以使用`python`命令进入python解释器，输入下面的命令：
```python
import paddle
paddle.utils.run_check()
```
如果出现PaddlePaddle is installed successfully!，说明您已成功安装PaddlePaddle。
## 2.2 安装依赖库
首先下载PaddleStudio项目：
```bash
git clone https://github.com/qianbin1989228/PaddleStudio.git
```
然后进入项目根目录并安装相关依赖库:
```bash
cd PaddleStudio
pip install -r requirements.txt -i https://mirror.baidu.com/pypi/simple
```
到这里，PaddleStudio所需要的环境就已经全部准备好了。下面介绍如何启动并使用PaddleStudio。
# 三、基本使用介绍
## 3.1 启动
进入PaddleStudio项目根目录后使用下面的命令进行启动：
```bash
python app.py
```
正常情况下输出如下：
```
2023-01-31 16:38:25,616 app.py[line:1045] INFO:PaddleStudio服务启动成功后，您可以在浏览器打开网址 192.168.8.113:5000 进行界面操作
* Serving Flask app 'app' (lazy loading)
* Environment: production
WARNING: This is a development server. Do not use it in a production deployment.
Use a production WSGI server instead.
* Debug mode: on
2023-01-31 16:38:25,664 _internal.py[line:224] INFO: * Running on all addresses (0.0.0.0)
WARNING: This is a development server. Do not use it in a production deployment.
* Running on http://127.0.0.1:5000
* Running on http://192.168.8.113:5000 (Press CTRL+C to quit)
2023-01-31 16:38:25,667 _internal.py[line:224] INFO: * Restarting with stat
2023-01-31 16:38:26,305 app.py[line:1045] INFO:PaddleStudio服务启动成功后，您可以在浏览器打开网址 192.168.8.113:5000 进行界面操作
2023-01-31 16:38:26,323 _internal.py[line:224] WARNING: * Debugger is active!
2023-01-31 16:38:26,331 _internal.py[line:224] INFO: * Debugger PIN: 339-955-950
2023-01-31 16:38:30,447 _internal.py[line:224] INFO:192.168.8.113 - - [31/Jan/2023 16:38:30] "GET / HTTP/1.1" 200 -
2023-01-31 16:38:30,756 _internal.py[line:224] INFO:192.168.8.113 - - [31/Jan/2023 16:38:30] "GET /project HTTP/1.1" 200 -
2023-01-31 16:38:30,764 _internal.py[line:224] INFO:192.168.8.113 - - [31/Jan/2023 16:38:30] "GET /favicon.ico HTTP/1.1" 200 -
```
成功启动后系统会默认给出PaddleStudio的访问路径，如下例所示：
```bash
http://192.168.8.113:5000
```
此时可以通过浏览器访问该网址打开PaddleStudio平台首页，如下图所示：
需要注意，首次打开时会在当前服务器的PaddleStudio根目录下创建一个名为workspace的文件夹作为工作区，用来存放数据集和模型训练的相关信息。
下面针对常见的图像分类任务讲解如何快速使用PaddleStudio。
## 3.2 快速体验
### 3.2.1 下载示例项目
PaddleStudio提供了每种任务对应的示例项目，方便用户快速了解每种任务的完整操作流程。下面以图像分类项目为例进行讲解。
首先，单击中间提示框“暂无项目，点击下载示例项目”，出现下图所示界面：
接下来勾选“下载图像分类示例项目”并单击“开始下载”按钮进行下载，如下图所示：
下载结束后单击“关闭窗口”按钮，在主界面上会出现对应的项目信息，是一个果蔬图像分类任务，如下图所示：
我们可以打开工作区文件夹PaddleStudio/workspace，其中有一个projects文件夹，该文件夹存放了所有项目信息。刚下载的项目其项目号为P0001，因此，对应工作区文件夹路径为PaddleStudio/workspace/projects/P0001。与此同时，在PaddleStudio/workspace/datasets存放着刚下载的数据集，位于D0001子文件夹下面，其内容如下图所示：
其中bocai、changqiezi、hongxiancai、huluobo、xihongshi、xilanhua这几个文件夹下面各自存放着不同品种的果蔬图片。labels.txt存放着对应的类别标签。train_list.txt、val_list.txt和test_list.txt分别存放着训练集、验证集、测试集的图片路径列表，形式如下所示：
```bash
./bocai/142.jpg 0
./bocai/149.jpg 0
./changqiezi/57.jpg 1
./changqiezi/191.jpg 1
```
每行表示一个样本图片，分成前后两部分，中间用空格分隔，前半部分为图片相对路径，后半部分为对应的类别数字标签。
可以看到，为了尽可能方便PaddlePaddle用户，PaddleStudio沿用了PaddleClas套件的数据集格式基本规则，对于图像分类任务，只需要按照上述格式进行数据集组织即可。
### 3.2.2 训练
单击下载的项目，然后单击项目窗口打开任务配置属性窗口，如下图所示：
在该任务所列属性参数中列出了训练所需的重要配置参数，例如模型、骨干网络、迭代轮数等，用户可以根据自己数据集的实际情况进行调整，调整完成后单击“启动训练”按钮开始训练，此时项目的任务状态会显示“训练中”，如下图所示：
可以继续单击主界面上的项目查看训练日志，如下图所示：
训练完成后可以单击“评估和导出模型”按钮，进入“模型评估&导出”模块，如下图所示：
### 3.2.3 评估
在“模型评估&导出”界面上，单击启动评估按钮，可以快速进行模型精度验证，结果如下图所示：
可以看到，当前训练的模型Top1分类准确率Acc1=0.6，Topk分类准确率Acck=1.0。如果想要进一步提高精度，可以在模型训练过程中修改迭代轮数�
图形化深度学习开发平台（基于PaddlePaddle）.zip
需积分: 3 45 浏览量
2024-02-19
13:26:39
上传
评论
收藏 1.6MB ZIP 举报
图形化深度学习开发平台（基于PaddlePaddle）.zip （571个子文件） 
rbox_iou_op.cc 3KB main.css 9KB rbox_iou_op.cu 4KB .gitignore 10B rbox_iou_op.h 10KB
index.html 59KB favicon.ico 1KB
coco2017_val2017_000000000139.jpg 158KB coco2017_val2017_000000000724.jpg 127KB main.js 142KB LICENSE 11KB pretrained.list 2KB README.md 28KB README.md 880B workspace.proto 2KB operators.py 127KB detector.py 97KB autoaugment_utils.py 64KB ops.py 53KB layers.py 51KB operators.py 51KB mot_metrics.py 51KB batch_operators.py 46KB workspace_pb2.py 46KB operate.py 43KB classifier.py 43KB s2anet_head.py 41KB yolo_fpn.py 37KB trainer.py 36KB app.py 34KB segmenter.py 33KB lite_hrnet.py 33KB utils.py 33KB transforms.py 32KB keypoint_operators.py 32KB efficientnet.py 31KB pico_head.py 31KB timm_autoaugment.py 31KB swin_transformer.py 31KB post_process.py 30KB bbox_utils.py 30KB task.py 30KB detection.py 29KB checkpoint.py 28KB hrnet.py 27KB target.py 27KB base.py 27KB swin_transformer.py 27KB mixnet.py 27KB mot_operators.py 25KB hrnet.py 25KB tracker.py 24KB hrnet.py 24KB mot.py 24KB category.py 24KB annotation_cropper.py 23KB solov2_head.py 23KB gvt.py 23KB resnest.py 23KB keypoint_coco.py 22KB simota_head.py 22KB test_ops.py 21KB download.py 20KB mobilenet_v3.py 20KB deformable_transformer.py 19KB coco_utils.py 19KB resnet.py 19KB resnet.py 19KB levit.py 19KB resnet.py 19KB callbacks.py 19KB voc.py 18KB gfl_head.py 18KB target_layer.py 18KB engine.py 17KB op_helper.py 17KB inception_v3.py 17KB u2net.py 17KB sparsercnn_loss.py 17KB mobilenet_v3.py 16KB yolo_head.py 16KB jde_tracker.py 16KB x2coco.py 16KB ghostnet.py 16KB metrics.py 16KB dla.py 16KB mcmot_metrics.py 16KB ppyoloe_head.py 16KB ann.py 15KB map_utils.py 15KB resnext101_wsl.py 15KB deepsort_matching.py 15KB inception_v4.py 15KB params.py 15KB vision_transformer.py 15KB centernet_fpn.py 15KB keypoint_metrics.py 15KB program.py 14KB x2seg.py 14KB xception_deeplab.py 14KB共 571 条
- 1
- 2
- 3
- 4
- 5
- 6
资源评论
