更新历史

v1.7.0

  • 丰富预训练模型，提升应用性

  • 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

    • lac、senta系列(bow、cnn、bilstm、gru、lstm)、simnet_bow、porn_detection系列(cnn、gru、lstm)升级高性能预测，性能提升高达50%

    • ERNIE、BERT、RoBERTa等Transformer类语义模型新增获取预训练embedding接口get_embedding，方便接入下游任务，提升应用性

    • 新增RoBERTa通过模型结构压缩得到的3层Transformer模型rbt3、rbtl3

  • 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。