PaddleClas 使用指南

什么是 PaddleClas？

PaddleClas 是基于 PaddlePaddle 开发的图像分类工具库，集成了大量前沿模型（如 ResNet、EfficientNet、Swin Transformer 等）、数据增强策略、训练技巧以及实用工具（如模型压缩、推理部署等），适用于学术研究与工业落地。

核心特性

• 支持 30+ 图像分类模型
• 提供超大规模预训练模型（如 PP-LCNet、PP-HGNet）
• 内置 ReLabel、AutoAugment、CutMix 等高级数据增强
• 支持模型蒸馏、量化、剪枝等压缩技术
• 一键部署到服务器、移动端或 Web

快速开始

1. 安装 PaddlePaddle 和 PaddleClas

pip install paddlepaddle
git clone https://github.com/PaddlePaddle/PaddleClas.git
cd PaddleClas
pip install -r requirements.txt

2. 训练一个图像分类模型

python tools/train.py -c configs/quick_start/ResNet50.yaml

3. 推理预测

python deploy/python/infer.py \
    --model_file=output/ResNet50_infer/inference.pdmodel \
    --params_file=output/ResNet50_infer/inference.pdiparams \
    --image_file=./demo.jpg

适用场景

PaddleClas 广泛应用于：

• 商品图像识别
• 医疗影像分类
• 工业质检
• 智能安防
• 教育与科研

官方资源

了解更多，请访问：PaddleClas GitHub 仓库