【飞桨PaddleHub】所有命令行使用方法

简介: 【飞桨PaddleHub】所有命令行使用方法

文章目录

hup命令大全

1.将Module安装到本地

2.卸载本地Module

3.信息查看

4.下载PaddleHub提供的Module

5.关键词搜索

6.列出本地已经安装的Module

7.执行Module的预测

8.NLP类的任务

9.CV类的任务

10.显示帮助信息

11.清理缓存

12.配置查看

13.一键部署Module预测服

hup命令大全

1.将Module安装到本地

hub install

2.卸载本地Module

hub uninstall

举个例子:

hub uninstall  senta_bilstm

返回:

1.png

3.信息查看

查看本地已安装Module的属性或者指定目录下确定的Module的属性,包括其名字、版本、描述、作者等信息

hub show

举个例子:

hub show   senta_bilstm

返回:

1.png

4.下载PaddleHub提供的Module

hub download

5.关键词搜索

通过关键字在服务端检索匹配的Module,当想要查找某个特定模型的Module时,使用search命令可以快速得到结果,例如hub search ssd命令,会查找所有包含了ssd字样的Module,命令支持正则表达式,例如hub search ^s.*搜索所有以s开头的资源。

hub search

6.列出本地已经安装的Module

hub list

演示一下:

1.png

7.执行Module的预测

需要注意的是,并不是所有的模型都支持预测(同样,也不是所有的模型都支持迁移学习)。PaddleHub尽量简化了用户在使用命令行预测时的理解成本,一般来讲,我们将预测分为NLP和CV两大类

hub run

8.NLP类的任务

输入数据通过–input_text指定。以百度LAC模型(中文词法分析)为例,可以通过以下命令实现文本分析。

hub run lac --input_text "明天会更好"

返回为:

1.png

9.CV类的任务

输入数据通过–input_path指定。以SSD模型(单阶段目标检测)为例子,可以通过以下命令实现预测。

hub run resnet_v2_50_imagenet --input_path test.jpg

返回:

1.png

10.显示帮助信息

hub help

1.png

11.清理缓存

hub clear

12.配置查看

hub config

13.一键部署Module预测服

hub serving
相关文章
|
机器学习/深度学习 算法 安全
Py之dlib:Python库之dlib库的简介、安装、使用方法详细攻略(一)
Py之dlib:Python库之dlib库的简介、安装、使用方法详细攻略
Py之dlib:Python库之dlib库的简介、安装、使用方法详细攻略(一)
|
XML JSON JavaScript
Py之demjson:Python库之demjson的简介、安装、使用方法详细攻略
Py之demjson:Python库之demjson的简介、安装、使用方法详细攻略
Py之demjson:Python库之demjson的简介、安装、使用方法详细攻略
|
1月前
|
机器学习/深度学习 开发者 数据格式
Gradio如何使用
**Gradio** 是一个开源 Python 库,用于快速创建和部署机器学习模型的用户界面。它支持多种输入输出形式,如文本、图像、音频等,无需复杂 Web 开发知识即可实现模型的直观展示和交互。Gradio 特点包括简单易用、实时更新、多样的输入输出形式以及轻松部署。通过几个简单的步骤,即可创建和分享功能强大的机器学习应用。
40 0
|
机器学习/深度学习 数据可视化 API
Paddle Lite是什么,快速上手Python推理,pdmodel使用
“Paddle Lite 是一组工具,可帮助开发者在移动设备、嵌入式设备和 loT 设备上运行模型,以便实现设备端机器学习。”
442 0
|
机器学习/深度学习 自然语言处理 API
Py之paddlehub:paddlehub的简介、安装、使用方法之详细攻略
Py之paddlehub:paddlehub的简介、安装、使用方法之详细攻略
Py之paddlehub:paddlehub的简介、安装、使用方法之详细攻略
|
机器学习/深度学习 算法 TensorFlow
Py之imblearn:imblearn/imbalanced-learn库的简介、安装、使用方法之详细攻略
Py之imblearn:imblearn/imbalanced-learn库的简介、安装、使用方法之详细攻略
Py之imblearn:imblearn/imbalanced-learn库的简介、安装、使用方法之详细攻略
|
TensorFlow 算法框架/工具 计算机视觉
二、cmd、pycharm下同时导入tensorflow,cv2模块,Anaconda导入tensorflow(超级详细步骤)
二、cmd、pycharm下同时导入tensorflow,cv2模块,Anaconda导入tensorflow(超级详细步骤)
二、cmd、pycharm下同时导入tensorflow,cv2模块,Anaconda导入tensorflow(超级详细步骤)
|
编译器 C++ Python
Py之cython:python库之cython的简介、安装、使用方法之详细攻略
Py之cython:python库之cython的简介、安装、使用方法之详细攻略
Py之cython:python库之cython的简介、安装、使用方法之详细攻略
|
数据可视化 API 计算机视觉
Py之pycocotools:pycocotools库的简介、安装、使用方法之详细攻略续篇
Py之pycocotools:pycocotools库的简介、安装、使用方法之详细攻略续篇
|
自然语言处理 算法 API
Py之gensim:gensim的简介、安装、使用方法之详细攻略
Py之gensim:gensim的简介、安装、使用方法之详细攻略
Py之gensim:gensim的简介、安装、使用方法之详细攻略

相关实验场景

更多