paddlepaddle与paddlehub简要

　　深度学习有很多好用的框架，比如：Tensor flow，pytorch，paddlepaddle 。

　　PaddlePaddle 是起源于百度的开源深度学习平台。它是简单易用的：你可以通过简单的十数行配置搭建经典的神经网络模型；它也是高效强大的：PaddlePaddle可以支撑复杂集群环境下超大模型的训练，在百度内部，已经有大量产品线使用了基于PaddlePaddle的深度学习技术。在这些根植业务的稳定框架中，由百度开发并维护的 PaddlePaddle 是适合中国开发者和企业的深度学习工具，成熟的 PaddlePaddle 官方所维护的模型数量基本上是最多的，包括自然语言处理、计算机视觉和推荐等领域的成熟模型。这些模型很多都是根据百度自身业务积累而开源的，甚至还会提供对应的预训练资源。例如在 NLP 中的情感分析任务上，PaddlePaddle 就会提供基于中文的预训练模型，这对于开发者而言是非常有意义的。　　

　　不像基于动态图的pytorch,与基于静态图的tensorflow，paddlepaddle为了兼顾灵活性和高性能，同时为用户提供动态图和静态图两种计算图。静态图是先定义网络结构而后运行，对定义好的图结构进行分析，可以使运行速度更快，显存占用更低，在业务部署上线上的具有非常大的优势，为用户的AI应用落地提供高效支持。但是静态图组网和执行阶段是分开，提供了更方便的动态图模式，所有操作可以立即获得执行结果，而不必等到执行阶段才能获取到结果，这样可以更方便进行模型的调试，同时还减少了大量用于构建Executor等代码，使得编写、调试网络的过程变得更加便捷。用户可以使用更加便捷的动态图模式进行调试、训练，然后可以把训练好的模型转换为静态图的结构，快速上线部署。

　　Hub是什么？Hub本意是中心，docker有docker Hub，大家可以把自己创建的镜像打包提交到docker hub上，需要的时候再pull下来，非常方便，！很多时候我们不需要从头开始训练模型，如果有预训练好的模型，直接做迁移学习就可以，但是传统的方式基本上都需要从各个官网上去下载，模型比较大，用起来并不轻量。可以直接从Hub上下载预训练的模型做迁移学习或预测，极大的减轻了工作量。

　　paddle hub是什么，PaddleHub 是基于 PaddlePaddle 开发的预训练模型管理工具，可以借助预训练模型更便捷地开展迁移学习工作，旨在让 PaddlePaddle 生态下的开发者更便捷体验到大规模预训练模型的价值。PaddleHub 目前的预训练模型覆盖了图像分类、目标检测、词法分析、Transformer、情感分析五大类别。未来会持续开放更多类型的深度学习模型，如语言模型、视频分类、图像生成等预训练模型。基于预训练模型，用户可以更便捷地完成自己的AI应用，飞桨为用户提供预训练模型管理和迁移学习组件PaddleHub，可一键加载工业级预训练模型。本次新增发布29个预训练模型，共为用户提供40+预训练模型，覆盖文本、图像、视频三大领域八类模型。PaddleHub提供Fine-tune API，10行代码即可完成大规模预训练模型的迁移学习。PaddleHub还引入「模型即软件」的理念，通过Python API或者命令行工具。

　　paddlehub与pytorchhub对比，PytorchHub 目前支持18个模型，PaddleHub支持29个，PaddleHub支持的模型数量有绝对的优势；而PytorchHub涉及的方向更多，但是每个方向的模型并不多，对CV的支持更多；PaddleHub涉及的方向只有两个，CV和NLP，但是对NLP的支持尤其多，高达22个，不仅包括目前最潮的BERT，还有百度自己研发的知识增强语义表示模型Ernie，在多个中文NLP任务中表现超过BERT。pytorchHub不支持命令行运行，但PaddleHub支持，命令行运行就是指我们安装PaddleHub后，可以无需进入python环境，即可快速体验PaddleHub无需代码、一键预测的命令行功能。需要注意的是，在PaddleHub中，既可以支持命令行使用，即在终端输入。

　　目前我想用paddlehub来做一个中文识别的模型。