人工智能大模型低代码计算机视觉深度学习NLP模型推理服务RAG【免费下载链接】PaddleXAll-in-One Development Tool based on PaddlePaddle项目地址https://gitcode.com/paddlepaddle/PaddleX点击查看免费下载本篇技术指南以仓库 docs/CHANGELOG.md 为骨架系统梳理飞桨 PaddleX 从 v1.0.02020 年到 v3.0.02025 年的完整版本演进脉络重点解读 v3.0 系列在模型库、统一推理接口、飞桨 3.0 适配、多硬件支持、高性能推理与服务化部署等维度的关键升级。读者读完可以快速掌握 PaddleX 各版本的能力边界、新产线/新模型清单、部署能力变化以及如何在当前仓库中核对版本号、安装对应版本并调用产线能力。一、版本演进总览PaddleX 是飞桨PaddlePaddle推出的全流程低代码 AI 开发工具其版本历史横跨两代架构v1.x / v2.x 时代的传统API GUI形态与 v3.0 时代的模型产线Pipeline 统一命令 多硬件适配新形态。各版本时间线如下版本发布时间核心定位v1.0.02020.05打通数据准备、模型训练、模型调优、多端安全部署全流程v1.1.02020.07新增语义分割模型、ONNX 导出、Jetson/PaddleLite 部署v1.2.02020.09新增 PPYOLO、OpenVINO/树莓派部署方案v1.3.02020.12新增 RestFUL API 模块与工业质检案例v2.0.0rc02021.05全面支持飞桨 2.0 动态图、C 部署升级v2.0.02021.09预测结果可视化、PP-YOLO V2、Manufacture SDKv2.1.02021.12超轻量模型 PPLCNet、PP-PicoDet、RestFUL API 升级v3.0.0beta2024.0616 条模型产线、零代码/低代码开发模式v3.0.0beta12024.09200 模型一键调用、13 条产线、统一命令开发v3.0.0beta22024.11通用图像/人脸/属性识别产线、昇腾 910B 适配v3.0.0rc02025.02新增 10 产线、40 模型、多硬件/多环境适配v3.0.0rc12025.04全面适配飞桨 3.0 正式版、PP-DocBee、高性能推理升级v3.0.02025.05270 模型、统一推理接口、全面适配飞桨 3.0 新特性备注当前仓库主线paddlex/.version文件中记录的版本号为3.0.3版本读取逻辑定义在 paddlex/version.pyget_pdx_version()读者可通过该文件确认所检出的仓库版本。二、PaddleX v3.0 系列新一代架构的核心升级v3.0 系列是 PaddleX 的换代版本从 beta 到正式版经历了 6 个里程碑以下按版本逐层拆解其核心能力。2.1 v3.0.0 正式版2025.05270 模型与统一推理接口丰富的模型库模型总数达270覆盖图像/视频分类、检测、分割、OCR、语音识别、时序等场景基于丰富模型库沉淀出通用文档解析、关键信息抽取、文档理解、表格识别、通用图像识别等多类成熟 AI 解决方案。统一推理接口重构部署能力推理接口标准化降低不同种类模型带来的 API 差异减少学习成本提升企业落地效率多模型组合能力复杂任务可通过不同模型自由组合实现 112 的效果部署能力升级多种模型部署使用统一命令管理支持多卡推理与多卡多实例服务化部署。全面适配飞桨框架 3.0支持编译器训练训练命令追加-o Global.dy2stTrue即可开启GPU 上多数模型训练速度可提升 10% 以上少部分模型可提升 30% 以上推理侧整体适配飞桨 3.0 中间表示技术PIR静态图模型存储文件名由xxx.pdmodel改为xxx.json全面支持 ONNX 格式模型可通过 Paddle2ONNX 插件转换模型格式。重磅能力支撑支撑PP-OCRv5的串联逻辑及多硬件、多后端、服务化部署能力支撑PP-StructureV3的复杂模型串联/并联逻辑首次串联并联共15 个模型实现多模型协同的复杂 Pipeline支撑PP-ChatOCRv4的大模型串联逻辑结合文心大模型 4.5 Turbo 与新增的 PP-DocBee2关键信息抽取精度相比上一代提升 15.7 个百分点。多硬件支持整体支持英伟达、英特尔、苹果 M 系列、昆仑芯、昇腾、寒武纪、海光、燧原等芯片的训练和推理昇腾上全面适配模型达 200 个支持 OM 高性能推理的模型达 21 个并支持 PP-OCRv5、PP-StructureV3 等重要方案昆仑芯上支持重要分类、检测、OCR 类模型含 PP-OCRv5。2.2 v3.0.0rc12025.04全面适配飞桨 3.0 正式版全面适配飞桨框架 3.0 新特性与正式版一致支持-o Global.dy2stTrue编译器训练推理适配 PIR静态图文件名变更为xxx.json新增飞桨自研文档图像理解多模态大模型 PP-DocBee在学术界及内部业务场景文档理解评测榜单上达到同参数量级模型的 SOTA 水平可应用于财报、研报、合同、说明书、法律法规等文档 QA 场景全面支持 ONNX 格式模型支持通过 Paddle2ONNX 插件转换模型格式升级高性能推理新增对 ONNX、OM 格式模型的支持PaddleX 可根据需要智能选择模型格式扩展支持的产线和模块所有静态图推理的单功能模块与产线均可使用高性能推理插件支持 CLI、API、配置文件 3 种配置方式可在子产线、子模块粒度启用/禁用高性能推理插件多硬件支持扩展NPU昇腾全面验证模型数量提升到 200 个通用 OCR、图像分类、目标检测等常用产线支持 OM 模型格式推理推理速度可提升 113.8%226.4%支持在 Atlas 200、Atlas 300 系列产品上推理部署GCU燧原正式纳入飞桨例行发版体系完成 PaddleX 生态适配支持 90 个模型的训练和推理。2.3 v3.0.0rc02025.02新增 10 产线与 40 模型rc0 全面适配 PaddlePaddle 3.0rc0新增产线、模型并优化 API、扩展多硬件适配具体如下。新增 12 条产线均可点击查看对应使用文档产线文档能力说明文档预处理doc_preprocessor.md矫正旋转和扭曲的文档图像文档场景信息抽取 v4document_scene_information_extraction_v4.md在 v3 基础上融合多模态能力、增强 OCR、优化 Prompt抽取准确率提升 15 个百分点支持本地大模型 OpenAI 接口调用通用版面解析 v3PP-StructureV3.mdPP-StructureV3 核心方案优化版面检测、表格识别、公式识别、阅读顺序恢复支持文档图像/PDF 转标准 Markdown通用表格识别 v2table_recognition_v2.md表格分类 表格结构识别 单元格检测多模型串联组网实现更高精度端到端表格识别旋转框检测rotated_object_detection.md支持旋转目标检测人体关键点检测human_keypoint_detection.md精确获取肩、肘、膝等人体关键点支撑姿态估计与行为识别开放词汇目标检测open_vocabulary_detection.md开放域目标检测并预测类别开放词汇分割open_vocabulary_segmentation.md开放域目标图像分割通用视频检测video_detection.md提取视频空间与时间特征实现目标精准识别和定位通用视频分类video_classification.md提取视频时空特征并准确分类多语种语音识别multilingual_speech_recognition.md将多种语言口述自动转为文本或命令3D 多模态融合检测3d_bev_detection.md输入激光雷达、环视 RGB 相机等多传感器数据输出三维空间物体的位置、形状、朝向、类别新增模型48 个OCR 类 28 个含自研版面区域检测模型 PP-DocLayout 系列、自研公式识别模型 PP-FormulaNet 系列、自研表格结构识别模型 SLANeXt 系列、更高识别精度的 PP-OCRv4_server_rec_doc 等CV 类 11 个3D 多模态融合检测、开放词汇检测/分割、旋转框检测、人体关键点检测等Speech 类 5 个Whisper 系列 5 个模型Video 类 4 个视频检测 1 个、视频分类 3 个。模型与产线能力升级支持更多参数目标检测类别阈值、文本检测膨胀系数等CV 类和 OCR 类模型支持 PDF 格式输入OCR 类产线支持文档前处理方向分类、文档矫正内置文本行方向分类模型文档场景信息抽取 v3 产线支持标准 OpenAI 接口调用大语言模型部分模型和产线接口发生变化详见 docs/API_change_log/v3.0.0rc.md。多硬件与多环境适配新增燧原 GCU 训推能力90 模型、昇腾 NPU 新增 50 模型、昆仑芯 XPU 新增 10、寒武纪 MLU 新增 10、海光 DCU 新增 30对应模型列表见 model_list_gcu.md、model_list_npu.md、model_list_xpu.md、model_list_mlu.md、model_list_dcu.md适配 Windows 系统修复部分安装失败问题训练和推理全面适配 Python 3.11、Python 3.12。部署能力全面升级高性能推理支持 PaddleX CLI 一键安装插件且无需鉴权新增 Windows 支持支持模型 220 个开源核心推理库 ultra-infer见仓库 libs/ultra-infer 目录便于二次开发与定制服务化部署升级基础方案适配新增产线新增高稳定性方案支持灵活调整服务配置优化性能。2.4 v3.0.0beta22024.11识别类产线补全与昇腾 910B 全流程适配新增产线通用图像识别提供更强的特征提取模型支持用户自定义图像数据库识别未知类别支持高性能推理与服务化部署人脸识别支持人脸数据库的增加和删除支持高性能推理与服务化部署车辆属性识别检测车辆并识别颜色、车型属性行人属性识别检测行人并识别年龄、性别、穿着等属性。以上产线的使用文档分别见 general_image_recognition.md、face_recognition.md、vehicle_attribute_recognition.md、pedestrian_attribute_recognition.md。新增能力与优化点新增 42 个模型开发全流程适配昇腾 910B支持打印模型推理 benchmark 信息相关说明见 docs/module_usage/instructions/benchmark.md公式识别产线支持 PDF 输入与结果可视化印章文本识别产线支持 PDF 输入预训练模型统一管理并内置到默认配置文件中升级模型保存格式为高性能推理提供保障优化部分模型默认参数以训练更高精度模型。BugFix修复文档方向分类推理模型 bug、部分高性能推理和服务化部署 bug、SLANet/SLANet_plus 训练精度为 0 的 bug。2.5 v3.0.0beta12024.09200 模型一键调用模型丰富一键调用将覆盖文档图像智能分析、OCR、目标检测、时序预测等领域的 200 飞桨模型整合为 13 条模型产线通过极简 Python API 一键调用同时支持 20 单功能模块便于组合使用提高效率降低门槛实现基于图形界面和统一命令的模型全流程开发打造大小模型结合、大模型半监督学习、多模型融合的 8 条特色产线多种场景灵活部署支持高性能部署、服务化部署、端侧部署100 模型支持高性能推理和服务化部署7 类重点视觉模型支持端侧部署主流硬件高效支持70 模型全流程适配昇腾 910B15 模型适配昆仑芯和寒武纪。2.6 v3.0.0beta2024.0616 条产线与低代码开发模式基础模型产线精选 68 个优质飞桨模型覆盖图像分类、目标检测、图像分割、OCR、文本图像版面分析、时序预测等任务特色模型产线提供大小模型结合、大模型半监督学习、多模型融合的高效解决方案低代码开发模式零代码通过 GUI 交互式提交后台训练任务打通在线/离线部署支持以 API 形式调用在线服务低代码通过统一 API 实现 16 条产线全流程开发支持自定义模型流程串联多硬件本地支持支持英伟达 GPU、昆仑芯、昇腾、寒武纪等硬件可纯离线使用。三、v2.x 与 v1.x 时代从 API 工具到全流程平台的演进3.1 v2.1.02021.12轻量模型与检测加速新增超轻量分类模型PPLCNetIntel CPU 上单张图像预测约 5msImageNet-1K 上 Top1 准确率 80.82%新增轻量级检测模型PP-PicoDet首个在 1M 参数量内 mAP(0.5:0.95) 超过 30416 像素输入ARM CPU 下可达 150FPS升级 PaddleX Restful API 支持飞桨动态图开发模式新增检测模型负样本训练策略新增 Python 轻量级服务化部署。3.2 v2.0.02021.09API、部署与 GUI 全面升级API检测/实例分割任务新增预测结果可视化与预测错误原因分析检测任务支持负样本优化抑制背景误检语义分割与图像分类支持返回归一化置信度部署PaddleX 模型 2 个 API 快速完成 Python 部署C 部署全面升级支持 PaddleDetection、PaddleClas、PaddleSeg、PaddleX 端到端统一部署发布 Manufacture SDK提供工业级多端多平台预编译部署开发包GUI支持 30 系列显卡新增 PP-YOLO V2COCO test 精度 49.5%、V100 预测 68.9 FPS、4.2MB 的 PP-YOLO tiny、实时分割模型 BiSeNetV2新增导出 API 训练脚本功能产业案例新增钢筋计数、缺陷检测、机械手抓取、工业表计读数等训练与部署案例。3.3 v2.0.0rc02021.05动态图时代开启全面支持飞桨 2.0 动态图更易用的开发模式新增 PP-YOLOv2、PP-YOLO tiny、BiSeNetV2 等模型C 部署模块全面升级PaddleInference 适配 2.0 预测库支持 PaddleDetection、PaddleSeg、PaddleClas 与 PaddleX 模型部署新增 GPU 多卡预测、基于 ONNX 的 TensorRT 高性能加速与 Triton 服务化部署。3.4 v1.3.02020.12RestFUL API 与工业质检模型ResNet50_vd 新增 10 万分类预训练模型FasterRCNN 新增模型裁剪与多通道图像训练支持部署修复 OpenVINO C 部分 Bug树莓派部署新增 Arm V8 支持新增RestFUL API 模块可快速开发基于 PaddleX 的训练平台含 HTML Demo 与 Remote 版可视化客户端新增工业质检产业案例GPU/CPU 两种部署场景。3.5 v1.2.02020.09PPYOLO 与多端部署扩展模型新增 PPYOLOFasterRCNN、MaskRCNN、YOLOv3、DeepLabv3p 新增 COCO 预训练模型FasterRCNN/MaskRCNN 新增 backbone HRNet_W18DeepLabv3p 新增 MobileNetV3_large_ssld部署新增 OpenVINO 部署方案新增树莓派部署方案优化 PaddleLite Android 预处理/后处理性能C 部署增加use_mkl等参数通过 MKL-DNN 显著提升 CPU 预测性能案例新增 RGB 图像与多通道遥感分割案例新增命令行数据集切分功能ImageNet、PascalVOC、MSCOCO、语义分割数据集。3.6 v1.1.02020.07ONNX 导出与更多部署形态模型新增 HRNet、FastSCNNFasterRCNN/MaskRCNN 新增 backbone HRNet集成 X2Paddle全部分类与语义分割模型可导出 ONNX部署模型加密支持 Windows新增 Jetson、PaddleLite 部署方案C 部署新增 batch 批预测并采用 OpenMP 并行加速预处理新增人像分割、工业表计读数案例新增 LabelMe、精灵标注助手、EasyData 标注数据格式转换功能。3.7 v1.0.02020.05全流程打通数据准备支持 EasyData 数据协议与主流标注工具协议模型训练集成 PaddleClas、PaddleDetection、PaddleSeg 视觉开发套件与丰富预训练模型模型调优内置可解释性模块与 VisualDL 可视化分析组件多端安全部署内置 PaddleSlim 模型压缩工具与模型加密部署模块结合 Paddle Inference / Paddle Lite 实现高性能多端安全部署易用易集成统一全流程 API5 步完成模型训练10 行代码实现 Python/C 高性能部署提供跨平台可视化工具 PaddleX-GUI。四、实战在当前仓库核对版本并上手 v3.0 能力4.1 核对 PaddleX 版本号仓库中版本号统一记录于paddlex/.version文件由 paddlex/version.py 的get_pdx_version()读取。安装 PaddleX 后可运行以下命令打印 PaddleX、PaddlePaddle 及各开发套件的版本信息python -c from paddlex import version; version.show_versions()输出将包含PDX version、PaddlePaddle version以及各 repoPaddleClas、PaddleDetection 等的 version 与 commit id便于定位当前环境对应的能力版本。4.2 安装指定版本根据 docs/installation/installation.md安装飞桨后即可安装 PaddleX# 仅安装必须依赖可后续按需安装可选依赖 pip install paddlex # 安装基础功能全部依赖 pip install paddlex[base] # 仅安装某项功能所需依赖如 OCR pip install paddlex[ocr]注意安装前需确保有 Python 运行环境当前支持 Python 3.83.12且 PaddlePaddle 安装成功。若需模型训练、微调等二次开发能力还需按 docs/installation/installation.md 中的插件安装模式安装 PaddleClas、PaddleDetection、PaddleOCR、PaddleSeg、PaddleTS 等对应插件仓库插件开发源码见 paddlex/repo_apis 与 paddlex/modules。4.3 使用统一命令/API 体验 v3.0 产线能力v3.0 的统一推理接口落实到 CLI 与 Python API 两种方式详见 docs/pipeline_usage/instructions/pipeline_CLI_usage.md 与 docs/pipeline_usage/instructions/pipeline_python_API.md# CLI 快速体验 paddlex --pipeline image_classification \ --input https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/general_image_classification_001.jpg # 导出产线默认配置便于自定义 paddlex --get_pipeline_config image_classification# Python API 一键调用 from paddlex import create_pipeline pipeline create_pipeline(image_classification) output pipeline.predict( https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/general_image_classification_001.jpg, batch_size1, topk5, )产线的底层实现位于 paddlex/inference/pipelines各单功能模块的推理实现位于 paddlex/inference/models例如通用版面解析 v3 的复杂 15 模型串联并联逻辑可在 paddlex/inference/pipelines/layout_parsing 中查看这与 v3.0.0 发布说明中首次串联并联共 15 个模型相互印证。4.4 高性能推理与服务化部署v3.0 系列把部署能力作为重点升级方向高性能推理插件支持 ONNX/OM/Paddle 多种模型格式并可按需智能选择支持 CLI/API/配置文件 3 种启用方式服务化部署则提供基础方案与高稳定性方案。相关使用说明见 docs/pipeline_deploy/high_performance_inference.md 与 docs/pipeline_deploy/serving.md高性能推理插件的核心开源实现位于仓库 libs/ultra-infer开发者可据此进行二次开发与定制。五、总结从 v1.0.0 到 v3.0.0PaddleX 完成了从飞桨视觉套件封装工具到覆盖 CV、OCR、语音、时序、视频、3D 的多模态全流程低代码开发平台的转型。v3.0 系列的核心主线清晰可循统一推理接口降低使用门槛、模型产线化沉淀成熟解决方案、全面适配飞桨 3.0编译器训练 PIR ONNX、多硬件英伟达/昇腾/昆仑芯/寒武纪/海光/燧原/苹果 M 系列训推覆盖、高性能推理与服务化部署能力逐版本强化。对于开发者而言直接基于 v3.0.0 及以上版本配合 docs/pipeline_usage/tutorials 下的产线教程与 docs/support_list 下的模型/产线清单即可快速选择合适模型并完成从推理集成到二次开发的落地。赞分享人工智能大模型低代码计算机视觉深度学习NLP模型推理服务RAG【免费下载链接】PaddleXAll-in-One Development Tool based on PaddlePaddle项目地址https://gitcode.com/paddlepaddle/PaddleX点击查看免费下载相关推荐HunyuanImage-3.0版本更新日志v1.0到v3.0核心功能演进史HunyuanImage 3.0版本更新日志v1.0到v3.0核心功能演进史 HunyuanImage 3.0作为腾讯混元系列的旗舰多模态图像生成模型历经三人工智能大模型基础模型计算机视觉Firecrawl PHP SDK 版本演进全解析从 v1.0 到 v1.16 的核心功能与技术要点Firecrawl PHP SDK 版本演进全解析从 v1.0 到 v1.16 的核心功能与技术要点 导读 本文以 apps/php sdk/CHANGELO网页爬虫后端AI 应用Jimp 1.x 版本演进全解读从 v1.0 到 v1.5 的核心能力与关键变更Jimp 1.x 版本演进全解读从 v1.0 到 v1.5 的核心能力与关键变更 JimpJavaScript Image Manipulation Pro图像处理上一篇超越网格搜索用Spearmint实现贝叶斯优化的超参数调优革命下一篇borgmatic 项目推荐创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 
长河君 · 2026/10/7 9:24:15 · 阅读 1.2k PaddleX 版本演进全解析：从 v1.0 到 v3.0 的核心能力升级与更新要点
人工智能大模型低代码计算机视觉深度学习NLP模型推理服务RAG【免费下载链接】PaddleXAll-in-One Development Tool based on PaddlePaddle项目地址https://gitcode.com/paddlepaddle/PaddleX点击查看免费下载本篇技术指南以仓库 docs/CHANGELOG.md 为骨架系统梳理飞桨 PaddleX 从 v1.0.02020 年到 v3.0.02025 年的完整版本演进脉络重点解读 v3.0 系列在模型库、统一推理接口、飞桨 3.0 适配、多硬件支持、高性能推理与服务化部署等维度的关键升级。读者读完可以快速掌握 PaddleX 各版本的能力边界、新产线/新模型清单、部署能力变化以及如何在当前仓库中核对版本号、安装对应版本并调用产线能力。一、版本演进总览PaddleX 是飞桨PaddlePaddle推出的全流程低代码 AI 开发工具其版本历史横跨两代架构v1.x / v2.x 时代的传统API GUI形态与 v3.0 时代的模型产线Pipeline 统一命令 多硬件适配新形态。各版本时间线如下版本发布时间核心定位v1.0.02020.05打通数据准备、模型训练、模型调优、多端安全部署全流程v1.1.02020.07新增语义分割模型、ONNX 导出、Jetson/PaddleLite 部署v1.2.02020.09新增 PPYOLO、OpenVINO/树莓派部署方案v1.3.02020.12新增 RestFUL API 模块与工业质检案例v2.0.0rc02021.05全面支持飞桨 2.0 动态图、C 部署升级v2.0.02021.09预测结果可视化、PP-YOLO V2、Manufacture SDKv2.1.02021.12超轻量模型 PPLCNet、PP-PicoDet、RestFUL API 升级v3.0.0beta2024.0616 条模型产线、零代码/低代码开发模式v3.0.0beta12024.09200 模型一键调用、13 条产线、统一命令开发v3.0.0beta22024.11通用图像/人脸/属性识别产线、昇腾 910B 适配v3.0.0rc02025.02新增 10 产线、40 模型、多硬件/多环境适配v3.0.0rc12025.04全面适配飞桨 3.0 正式版、PP-DocBee、高性能推理升级v3.0.02025.05270 模型、统一推理接口、全面适配飞桨 3.0 新特性备注当前仓库主线paddlex/.version文件中记录的版本号为3.0.3版本读取逻辑定义在 paddlex/version.pyget_pdx_version()读者可通过该文件确认所检出的仓库版本。二、PaddleX v3.0 系列新一代架构的核心升级v3.0 系列是 PaddleX 的换代版本从 beta 到正式版经历了 6 个里程碑以下按版本逐层拆解其核心能力。2.1 v3.0.0 正式版2025.05270 模型与统一推理接口丰富的模型库模型总数达270覆盖图像/视频分类、检测、分割、OCR、语音识别、时序等场景基于丰富模型库沉淀出通用文档解析、关键信息抽取、文档理解、表格识别、通用图像识别等多类成熟 AI 解决方案。统一推理接口重构部署能力推理接口标准化降低不同种类模型带来的 API 差异减少学习成本提升企业落地效率多模型组合能力复杂任务可通过不同模型自由组合实现 112 的效果部署能力升级多种模型部署使用统一命令管理支持多卡推理与多卡多实例服务化部署。全面适配飞桨框架 3.0支持编译器训练训练命令追加-o Global.dy2stTrue即可开启GPU 上多数模型训练速度可提升 10% 以上少部分模型可提升 30% 以上推理侧整体适配飞桨 3.0 中间表示技术PIR静态图模型存储文件名由xxx.pdmodel改为xxx.json全面支持 ONNX 格式模型可通过 Paddle2ONNX 插件转换模型格式。重磅能力支撑支撑PP-OCRv5的串联逻辑及多硬件、多后端、服务化部署能力支撑PP-StructureV3的复杂模型串联/并联逻辑首次串联并联共15 个模型实现多模型协同的复杂 Pipeline支撑PP-ChatOCRv4的大模型串联逻辑结合文心大模型 4.5 Turbo 与新增的 PP-DocBee2关键信息抽取精度相比上一代提升 15.7 个百分点。多硬件支持整体支持英伟达、英特尔、苹果 M 系列、昆仑芯、昇腾、寒武纪、海光、燧原等芯片的训练和推理昇腾上全面适配模型达 200 个支持 OM 高性能推理的模型达 21 个并支持 PP-OCRv5、PP-StructureV3 等重要方案昆仑芯上支持重要分类、检测、OCR 类模型含 PP-OCRv5。2.2 v3.0.0rc12025.04全面适配飞桨 3.0 正式版全面适配飞桨框架 3.0 新特性与正式版一致支持-o Global.dy2stTrue编译器训练推理适配 PIR静态图文件名变更为xxx.json新增飞桨自研文档图像理解多模态大模型 PP-DocBee在学术界及内部业务场景文档理解评测榜单上达到同参数量级模型的 SOTA 水平可应用于财报、研报、合同、说明书、法律法规等文档 QA 场景全面支持 ONNX 格式模型支持通过 Paddle2ONNX 插件转换模型格式升级高性能推理新增对 ONNX、OM 格式模型的支持PaddleX 可根据需要智能选择模型格式扩展支持的产线和模块所有静态图推理的单功能模块与产线均可使用高性能推理插件支持 CLI、API、配置文件 3 种配置方式可在子产线、子模块粒度启用/禁用高性能推理插件多硬件支持扩展NPU昇腾全面验证模型数量提升到 200 个通用 OCR、图像分类、目标检测等常用产线支持 OM 模型格式推理推理速度可提升 113.8%226.4%支持在 Atlas 200、Atlas 300 系列产品上推理部署GCU燧原正式纳入飞桨例行发版体系完成 PaddleX 生态适配支持 90 个模型的训练和推理。2.3 v3.0.0rc02025.02新增 10 产线与 40 模型rc0 全面适配 PaddlePaddle 3.0rc0新增产线、模型并优化 API、扩展多硬件适配具体如下。新增 12 条产线均可点击查看对应使用文档产线文档能力说明文档预处理doc_preprocessor.md矫正旋转和扭曲的文档图像文档场景信息抽取 v4document_scene_information_extraction_v4.md在 v3 基础上融合多模态能力、增强 OCR、优化 Prompt抽取准确率提升 15 个百分点支持本地大模型 OpenAI 接口调用通用版面解析 v3PP-StructureV3.mdPP-StructureV3 核心方案优化版面检测、表格识别、公式识别、阅读顺序恢复支持文档图像/PDF 转标准 Markdown通用表格识别 v2table_recognition_v2.md表格分类 表格结构识别 单元格检测多模型串联组网实现更高精度端到端表格识别旋转框检测rotated_object_detection.md支持旋转目标检测人体关键点检测human_keypoint_detection.md精确获取肩、肘、膝等人体关键点支撑姿态估计与行为识别开放词汇目标检测open_vocabulary_detection.md开放域目标检测并预测类别开放词汇分割open_vocabulary_segmentation.md开放域目标图像分割通用视频检测video_detection.md提取视频空间与时间特征实现目标精准识别和定位通用视频分类video_classification.md提取视频时空特征并准确分类多语种语音识别multilingual_speech_recognition.md将多种语言口述自动转为文本或命令3D 多模态融合检测3d_bev_detection.md输入激光雷达、环视 RGB 相机等多传感器数据输出三维空间物体的位置、形状、朝向、类别新增模型48 个OCR 类 28 个含自研版面区域检测模型 PP-DocLayout 系列、自研公式识别模型 PP-FormulaNet 系列、自研表格结构识别模型 SLANeXt 系列、更高识别精度的 PP-OCRv4_server_rec_doc 等CV 类 11 个3D 多模态融合检测、开放词汇检测/分割、旋转框检测、人体关键点检测等Speech 类 5 个Whisper 系列 5 个模型Video 类 4 个视频检测 1 个、视频分类 3 个。模型与产线能力升级支持更多参数目标检测类别阈值、文本检测膨胀系数等CV 类和 OCR 类模型支持 PDF 格式输入OCR 类产线支持文档前处理方向分类、文档矫正内置文本行方向分类模型文档场景信息抽取 v3 产线支持标准 OpenAI 接口调用大语言模型部分模型和产线接口发生变化详见 docs/API_change_log/v3.0.0rc.md。多硬件与多环境适配新增燧原 GCU 训推能力90 模型、昇腾 NPU 新增 50 模型、昆仑芯 XPU 新增 10、寒武纪 MLU 新增 10、海光 DCU 新增 30对应模型列表见 model_list_gcu.md、model_list_npu.md、model_list_xpu.md、model_list_mlu.md、model_list_dcu.md适配 Windows 系统修复部分安装失败问题训练和推理全面适配 Python 3.11、Python 3.12。部署能力全面升级高性能推理支持 PaddleX CLI 一键安装插件且无需鉴权新增 Windows 支持支持模型 220 个开源核心推理库 ultra-infer见仓库 libs/ultra-infer 目录便于二次开发与定制服务化部署升级基础方案适配新增产线新增高稳定性方案支持灵活调整服务配置优化性能。2.4 v3.0.0beta22024.11识别类产线补全与昇腾 910B 全流程适配新增产线通用图像识别提供更强的特征提取模型支持用户自定义图像数据库识别未知类别支持高性能推理与服务化部署人脸识别支持人脸数据库的增加和删除支持高性能推理与服务化部署车辆属性识别检测车辆并识别颜色、车型属性行人属性识别检测行人并识别年龄、性别、穿着等属性。以上产线的使用文档分别见 general_image_recognition.md、face_recognition.md、vehicle_attribute_recognition.md、pedestrian_attribute_recognition.md。新增能力与优化点新增 42 个模型开发全流程适配昇腾 910B支持打印模型推理 benchmark 信息相关说明见 docs/module_usage/instructions/benchmark.md公式识别产线支持 PDF 输入与结果可视化印章文本识别产线支持 PDF 输入预训练模型统一管理并内置到默认配置文件中升级模型保存格式为高性能推理提供保障优化部分模型默认参数以训练更高精度模型。BugFix修复文档方向分类推理模型 bug、部分高性能推理和服务化部署 bug、SLANet/SLANet_plus 训练精度为 0 的 bug。2.5 v3.0.0beta12024.09200 模型一键调用模型丰富一键调用将覆盖文档图像智能分析、OCR、目标检测、时序预测等领域的 200 飞桨模型整合为 13 条模型产线通过极简 Python API 一键调用同时支持 20 单功能模块便于组合使用提高效率降低门槛实现基于图形界面和统一命令的模型全流程开发打造大小模型结合、大模型半监督学习、多模型融合的 8 条特色产线多种场景灵活部署支持高性能部署、服务化部署、端侧部署100 模型支持高性能推理和服务化部署7 类重点视觉模型支持端侧部署主流硬件高效支持70 模型全流程适配昇腾 910B15 模型适配昆仑芯和寒武纪。2.6 v3.0.0beta2024.0616 条产线与低代码开发模式基础模型产线精选 68 个优质飞桨模型覆盖图像分类、目标检测、图像分割、OCR、文本图像版面分析、时序预测等任务特色模型产线提供大小模型结合、大模型半监督学习、多模型融合的高效解决方案低代码开发模式零代码通过 GUI 交互式提交后台训练任务打通在线/离线部署支持以 API 形式调用在线服务低代码通过统一 API 实现 16 条产线全流程开发支持自定义模型流程串联多硬件本地支持支持英伟达 GPU、昆仑芯、昇腾、寒武纪等硬件可纯离线使用。三、v2.x 与 v1.x 时代从 API 工具到全流程平台的演进3.1 v2.1.02021.12轻量模型与检测加速新增超轻量分类模型PPLCNetIntel CPU 上单张图像预测约 5msImageNet-1K 上 Top1 准确率 80.82%新增轻量级检测模型PP-PicoDet首个在 1M 参数量内 mAP(0.5:0.95) 超过 30416 像素输入ARM CPU 下可达 150FPS升级 PaddleX Restful API 支持飞桨动态图开发模式新增检测模型负样本训练策略新增 Python 轻量级服务化部署。3.2 v2.0.02021.09API、部署与 GUI 全面升级API检测/实例分割任务新增预测结果可视化与预测错误原因分析检测任务支持负样本优化抑制背景误检语义分割与图像分类支持返回归一化置信度部署PaddleX 模型 2 个 API 快速完成 Python 部署C 部署全面升级支持 PaddleDetection、PaddleClas、PaddleSeg、PaddleX 端到端统一部署发布 Manufacture SDK提供工业级多端多平台预编译部署开发包GUI支持 30 系列显卡新增 PP-YOLO V2COCO test 精度 49.5%、V100 预测 68.9 FPS、4.2MB 的 PP-YOLO tiny、实时分割模型 BiSeNetV2新增导出 API 训练脚本功能产业案例新增钢筋计数、缺陷检测、机械手抓取、工业表计读数等训练与部署案例。3.3 v2.0.0rc02021.05动态图时代开启全面支持飞桨 2.0 动态图更易用的开发模式新增 PP-YOLOv2、PP-YOLO tiny、BiSeNetV2 等模型C 部署模块全面升级PaddleInference 适配 2.0 预测库支持 PaddleDetection、PaddleSeg、PaddleClas 与 PaddleX 模型部署新增 GPU 多卡预测、基于 ONNX 的 TensorRT 高性能加速与 Triton 服务化部署。3.4 v1.3.02020.12RestFUL API 与工业质检模型ResNet50_vd 新增 10 万分类预训练模型FasterRCNN 新增模型裁剪与多通道图像训练支持部署修复 OpenVINO C 部分 Bug树莓派部署新增 Arm V8 支持新增RestFUL API 模块可快速开发基于 PaddleX 的训练平台含 HTML Demo 与 Remote 版可视化客户端新增工业质检产业案例GPU/CPU 两种部署场景。3.5 v1.2.02020.09PPYOLO 与多端部署扩展模型新增 PPYOLOFasterRCNN、MaskRCNN、YOLOv3、DeepLabv3p 新增 COCO 预训练模型FasterRCNN/MaskRCNN 新增 backbone HRNet_W18DeepLabv3p 新增 MobileNetV3_large_ssld部署新增 OpenVINO 部署方案新增树莓派部署方案优化 PaddleLite Android 预处理/后处理性能C 部署增加use_mkl等参数通过 MKL-DNN 显著提升 CPU 预测性能案例新增 RGB 图像与多通道遥感分割案例新增命令行数据集切分功能ImageNet、PascalVOC、MSCOCO、语义分割数据集。3.6 v1.1.02020.07ONNX 导出与更多部署形态模型新增 HRNet、FastSCNNFasterRCNN/MaskRCNN 新增 backbone HRNet集成 X2Paddle全部分类与语义分割模型可导出 ONNX部署模型加密支持 Windows新增 Jetson、PaddleLite 部署方案C 部署新增 batch 批预测并采用 OpenMP 并行加速预处理新增人像分割、工业表计读数案例新增 LabelMe、精灵标注助手、EasyData 标注数据格式转换功能。3.7 v1.0.02020.05全流程打通数据准备支持 EasyData 数据协议与主流标注工具协议模型训练集成 PaddleClas、PaddleDetection、PaddleSeg 视觉开发套件与丰富预训练模型模型调优内置可解释性模块与 VisualDL 可视化分析组件多端安全部署内置 PaddleSlim 模型压缩工具与模型加密部署模块结合 Paddle Inference / Paddle Lite 实现高性能多端安全部署易用易集成统一全流程 API5 步完成模型训练10 行代码实现 Python/C 高性能部署提供跨平台可视化工具 PaddleX-GUI。四、实战在当前仓库核对版本并上手 v3.0 能力4.1 核对 PaddleX 版本号仓库中版本号统一记录于paddlex/.version文件由 paddlex/version.py 的get_pdx_version()读取。安装 PaddleX 后可运行以下命令打印 PaddleX、PaddlePaddle 及各开发套件的版本信息python -c from paddlex import version; version.show_versions()输出将包含PDX version、PaddlePaddle version以及各 repoPaddleClas、PaddleDetection 等的 version 与 commit id便于定位当前环境对应的能力版本。4.2 安装指定版本根据 docs/installation/installation.md安装飞桨后即可安装 PaddleX# 仅安装必须依赖可后续按需安装可选依赖 pip install paddlex # 安装基础功能全部依赖 pip install paddlex[base] # 仅安装某项功能所需依赖如 OCR pip install paddlex[ocr]注意安装前需确保有 Python 运行环境当前支持 Python 3.83.12且 PaddlePaddle 安装成功。若需模型训练、微调等二次开发能力还需按 docs/installation/installation.md 中的插件安装模式安装 PaddleClas、PaddleDetection、PaddleOCR、PaddleSeg、PaddleTS 等对应插件仓库插件开发源码见 paddlex/repo_apis 与 paddlex/modules。4.3 使用统一命令/API 体验 v3.0 产线能力v3.0 的统一推理接口落实到 CLI 与 Python API 两种方式详见 docs/pipeline_usage/instructions/pipeline_CLI_usage.md 与 docs/pipeline_usage/instructions/pipeline_python_API.md# CLI 快速体验 paddlex --pipeline image_classification \ --input https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/general_image_classification_001.jpg # 导出产线默认配置便于自定义 paddlex --get_pipeline_config image_classification# Python API 一键调用 from paddlex import create_pipeline pipeline create_pipeline(image_classification) output pipeline.predict( https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/general_image_classification_001.jpg, batch_size1, topk5, )产线的底层实现位于 paddlex/inference/pipelines各单功能模块的推理实现位于 paddlex/inference/models例如通用版面解析 v3 的复杂 15 模型串联并联逻辑可在 paddlex/inference/pipelines/layout_parsing 中查看这与 v3.0.0 发布说明中首次串联并联共 15 个模型相互印证。4.4 高性能推理与服务化部署v3.0 系列把部署能力作为重点升级方向高性能推理插件支持 ONNX/OM/Paddle 多种模型格式并可按需智能选择支持 CLI/API/配置文件 3 种启用方式服务化部署则提供基础方案与高稳定性方案。相关使用说明见 docs/pipeline_deploy/high_performance_inference.md 与 docs/pipeline_deploy/serving.md高性能推理插件的核心开源实现位于仓库 libs/ultra-infer开发者可据此进行二次开发与定制。五、总结从 v1.0.0 到 v3.0.0PaddleX 完成了从飞桨视觉套件封装工具到覆盖 CV、OCR、语音、时序、视频、3D 的多模态全流程低代码开发平台的转型。v3.0 系列的核心主线清晰可循统一推理接口降低使用门槛、模型产线化沉淀成熟解决方案、全面适配飞桨 3.0编译器训练 PIR ONNX、多硬件英伟达/昇腾/昆仑芯/寒武纪/海光/燧原/苹果 M 系列训推覆盖、高性能推理与服务化部署能力逐版本强化。对于开发者而言直接基于 v3.0.0 及以上版本配合 docs/pipeline_usage/tutorials 下的产线教程与 docs/support_list 下的模型/产线清单即可快速选择合适模型并完成从推理集成到二次开发的落地。赞分享人工智能大模型低代码计算机视觉深度学习NLP模型推理服务RAG【免费下载链接】PaddleXAll-in-One Development Tool based on PaddlePaddle项目地址https://gitcode.com/paddlepaddle/PaddleX点击查看免费下载相关推荐HunyuanImage-3.0版本更新日志v1.0到v3.0核心功能演进史HunyuanImage 3.0版本更新日志v1.0到v3.0核心功能演进史 HunyuanImage 3.0作为腾讯混元系列的旗舰多模态图像生成模型历经三人工智能大模型基础模型计算机视觉Firecrawl PHP SDK 版本演进全解析从 v1.0 到 v1.16 的核心功能与技术要点Firecrawl PHP SDK 版本演进全解析从 v1.0 到 v1.16 的核心功能与技术要点 导读 本文以 apps/php sdk/CHANGELO网页爬虫后端AI 应用Jimp 1.x 版本演进全解读从 v1.0 到 v1.5 的核心能力与关键变更Jimp 1.x 版本演进全解读从 v1.0 到 v1.5 的核心能力与关键变更 JimpJavaScript Image Manipulation Pro图像处理上一篇超越网格搜索用Spearmint实现贝叶斯优化的超参数调优革命下一篇borgmatic 项目推荐创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考