【限时免费】 【PaddleX】开源下载和安装教程

1、项目介绍

PaddleX 3.0 是基于飞桨框架构建的低代码开发工具，集成了200+预训练模型，覆盖图像分类、目标检测、OCR、时序预测等场景。支持全流程开发（训练-推理-部署），兼容多种硬件（CPU/GPU/XPU等），提供标准化API和图形化界面，显著降低AI开发门槛。

2、项目下载位置

官方推荐通过以下方式获取项目：

git clone https://github.com/PaddlePaddle/PaddleX.git

或通过PyPI安装核心模块：

pip install paddlex

3、安装环境配置

基础要求

• Python 3.8~3.12
• 操作系统：Linux/Windows/Mac
• 硬件：支持NVIDIA GPU（推荐）或CPU

环境配置示例（以GPU版为例）

# 创建conda环境
conda create -n paddlex python=3.8
conda activate paddlex

# 安装PaddlePaddle基础框架
pip install paddlepaddle-gpu==3.0.0 -f https://www.paddlepaddle.org.cn/whl/linux/mkl/avx/stable.html

4、项目安装方式

完整安装（推荐）

# 安装PaddleX全量包
pip install paddlex[all] -U

最小化安装

# 仅安装核心功能
pip install paddlex

验证安装

import paddlex as pdx
print(pdx.__version__)  # 应输出如3.0.0

5、项目处理脚本

快速推理示例（以图像分类为例）

import paddlex as pdx

# 加载预训练模型
model = pdx.cls.ResNet50(pretrained=True)

# 执行预测
result = model.predict("test.jpg")
print(result)

训练脚本模板

from paddlex import transforms as T
import paddlex as pdx

# 数据预处理
train_transforms = T.Compose([
    T.RandomCrop(crop_size=224),
    T.Normalize()
])

# 加载数据集
train_dataset = pdx.datasets.ImageNet(
    data_dir='dataset',
    file_list='dataset/train_list.txt',
    transforms=train_transforms
)

# 初始化模型
model = pdx.cls.ResNet50(num_classes=1000)

# 开始训练
model.train(
    num_epochs=10,
    train_dataset=train_dataset,
    batch_size=32,
    save_dir='output'
)

注意：具体模型产线使用时需参考对应文档调整参数