v1.8.0
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
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
v1.5.4
- 修复Fine-tune中断,checkpoint文件恢复训练失败的问题
v1.5.3
- 优化口罩模型输出结果,提供更加灵活的部署及调用方式
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
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
- 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
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。