飞桨在长期的产业实践中发现，开发者使用开源模型项目落地普遍会遇到三大难题：

• 算法和模型繁多，做模型选择是个难题；

• 模型效果不错，但产业落地时容易遇到资源限制和部署的问题；

• 面对新场景无从下手，迫切希望有范例和经验作为参考。

针对以上问题，飞桨特色产业级模型库为开发者提供了三个方面针对性的解决方案，分别是：

• 算法汇聚，模型精选，为开发者提供600+精选算法；

• 产业实践，深度优化，精心打造飞桨PP系列模型，更适合产业落地；

• 聚合产业范例与模型知识，打造覆盖金融、工业等多个行业的产业范例库。

算法汇聚，模型精选

针对模型选择困难的问题，飞桨提供600多个精选的官方算法，涵盖了自然语言处理、计算机视觉、推荐、语音、时序预测、文心大模型、强化学习、图神经网络、量子学习、生物计算以及科学计算等主流应用领域。

为了更好地承载模型的研发与应用，飞桨创新性地研发了开发套件产品，通过端到端的全流程，来支撑开发者的开发过程。

以PaddleDetection和PaddleOCR两个开发套件为例，开发套件可以支持开发者从数据准备、模型训练到部署整个流程，同时还预置大量优化策略。开发者只需简单修改配置，就可以快速实现应用，而且支持在丰富的硬件上实现多种部署方式。

除了之前大家熟悉的开发套件，近期飞桨新发布了若干模型库与开发套件。

深度时序建模库PaddleTS

飞桨新增深度时序建模库PaddleTS，专门针对开发者在时序预测方向的任务需求。

三维感知开发套件Paddle3D

3D方向目前也是比较热门的场景。飞桨针对性开发了三维感知开发套件Paddle3D，其可以在智能驾驶、智能医疗、点云测绘等方面支持产业落地。

遥感影像智能解译开发套件PaddleRS

遥感影像智能解译开发套件PaddleRS的技术能力覆盖遥感场景中图像分割、目标检测、变化检测、图像复原以及场景分类，非常适合遥感方向从业开发者进行产业应用落地。

综上，通过丰富的模型库以及开发套件，可以很好地解决模型选择困难问题

产业实践，深度优化

针对开发者对于产业实践深度优化的需求，飞桨建设了一批高质量的PP系列模型。目前PP特色模型已经到达了42个，基本涵盖了各个领域的主流任务场景。PP系列模型的主要特色是精度与性能的平衡，根据产业用户的场景需要，兼顾模型精度和硬件推理速度。根据模型的大小、占用内存、显存这些限制条件进行综合优化，在保证精度基本满足任务需求的同时，兼顾在速度和性能上也能满足业务需求。

PP系列的典型模型PP-YOLOE+

PP系列的PP-StructureV2

自然语言处理领域的ERNIE-UIE

自然语言处理领域的ERNIE 3.0轻量级模型

聚合产业范例与模型知识

针对开发者缺少案例经验参考的问题，飞桨建设了产业实践范例库，沉淀飞桨开发者、合作伙伴的优秀经验，可以帮助新用户和开发者快速上手，所学即所用。

以火灾烟雾检测场景为例，产业实践范例提供了包括场景分析、算法选择、训练调优、推理部署等一套完整流程，通过对这些过程的详细讲解，可以帮助开发者迅速项目落地。

飞桨产业实践范例库逐渐积累，范例数量由47个增至68个，覆盖金融、工业、交通、互联网、安防、教育等十个重点行业场景。通过外部企业场景合作和共建的方式，共同解决产业痛点，获取行业经验。飞桨产业实践范例库聚焦金融、工业、城市、交通四大行业，全方位助力行业智能化发展。

针对模型选择困难、产业模型缺少、落地经验稀缺等问题，我们为开发者打造了全新的飞桨模型库，提供聚合模型知识与工具集的一站式体验方案。

在这里，开发者可以快速体验模型的可视化效果和一键运行能力，联动飞桨官网、AI Studio、BML等平台实现多维度尝试。同时，集合FastDeploy实现模型高性能本地部署，我们也希望与开发者一起不断打磨和塑造优秀的AI模型一站式能力。

最后，飞桨产业级模型库的建设离不开众多社区开发者的贡献，也欢迎更多的开发者加入飞桨队伍，共建AI社区，让AI开发与落地更简单。

相关链接

• GitHub Models

https://github.com/PaddlePaddle/models

• 飞桨官网模型库

https://www.paddlepaddle.org.cn/models