updata PaddleTS 1.1, adding new models and supporting all-in-one full…

… development tools
PaddlePaddle · Sep 30, 2024 · f26e427 · f26e427
1 parent febeb0b
commit f26e427
Show file tree

Hide file tree

Showing 3 changed files with 237 additions and 40 deletions.
diff --git a/README_cn.md b/README_cn.md
@@ -31,26 +31,31 @@ PaddleTS 是一个易用的深度时序建模的Python库，它基于飞桨深
 * 时序模型集成学习能力
 
 📣 **近期更新**
-* 📚 **《高精度时序分析星河零代码产线全新上线》**，汇聚时序分析3大场景任务，涵盖11个前沿的时序模型。高精度多模型融合时序特色产线，自适应不同场景自动搜索模型最优组合，真实产业场景应用时序预测精度提升约20%，时序异常检测精度提升5%。支持云端和本地端服务化部署与纯离线使用。直播时间：**8月1日（周四）19：00**。报名链接：https://www.wjx.top/vm/YLz6DY6.aspx?udsid=146765
 
-* 新增时序分类能力
+* 🔥 飞桨一站式全流程开发工具PaddleX，依托于PaddleTS的先进技术，支持时序分析领域的一站式全流程开发能力
+  * 🎨 [**模型丰富一键调用**](docs/paddlex/quick_start.md)：将时序预测、时序异常检测和时序分类涉及的**13个模型**整合为3条模型产线，通过极简的**Python API一键调用**，快速体验模型效果。此外，同一套API，也支持图像分类、图像分割、目标检测、文本图像智能分析、通用OCR等共计**200+模型**，形成20+单功能模块，方便开发者进行**模型组合使用**。
+  * 🚀 [**提高效率降低门槛**](docs/paddlex/overview.md)：提供基于**统一命令**和**图形界面**两种方式，实现模型简洁高效的使用、组合与定制。支持**高性能部署、服务化部署和端侧部署**等多种部署方式。此外，对于各种主流硬件如**英伟达GPU、昆仑芯、昇腾、寒武纪和海光**等，进行模型开发时，都可以**无缝切换**。
+
+* 🔥 增加7个时序预测前沿算法[**DLinear、NLinear、RLinear、Nonstationary、PatchTST、TiDE、TimesNet**](https://github.com/PaddlePaddle/PaddleX/blob/release/3.0-beta1/docs/module_usage/tutorials/time_series_modules/time_series_forecasting.md)，5个时序异常检测前沿算法[**AutoEncoder_ad、DLinear_ad、Nonstationary_ad、PatchTST_ad、TimesNet_ad**](https://github.com/PaddlePaddle/PaddleX/blob/release/3.0-beta1/docs/module_usage/tutorials/time_series_modules/time_series_anomaly_detection.md)和1个时序分类算法[**TimesNet_cls**](https://github.com/PaddlePaddle/PaddleX/blob/release/3.0-beta1/docs/module_usage/tutorials/time_series_modules/time_series_classification.md)。
+
+
 * 全新发布6个深度时序模型。
   USAD(UnSupervised Anomaly Detection)与MTAD_GAT(Multivariate Time-series Anomaly Detection via Graph Attention Network)异常检测模型，
   CNN与Inception Time时序分类模型，
   SCINet(Sample Convolution and Interaction Network)与TFT(Temporal Fusion Transformer)时序预测模型
-* 新发布[Paddle Inference](https://www.paddlepaddle.org.cn/paddle/paddleinference)支持，已适配时序预测与时序异常检测
-* 新增模型可解释性能力。包括模型无关的可解释性与模型相关的可解释性
-* 新增支持基于表征的聚类与分类
 
-您也可以参考[发布说明](https://github.com/PaddlePaddle/PaddleTS/wiki/Release-Notes)获取更详尽的更新列表。
 
-未来，更多的高级特性会进一步发布，包括但不限于：
-* 更多时序模型
-* 场景化Pipeline，支持端到端真实场景解决方案
+## ⚡ [快速开始](docs/paddlex/quick_start.md)
+
+## 🔥 [低代码全流程开发](docs/paddlex/overview.md)
 
+## 📖 文档
 
+* [开始使用](https://paddlets.readthedocs.io/zh_CN/latest/source/get_started/get_started.html)
+
+* [API文档](https://paddlets.readthedocs.io/zh_CN/latest/source/api/paddlets.analysis.html)
 
-## 关于 PaddleTS
+## 📝 关于 PaddleTS
 
 具体来说，PaddleTS 时序库包含以下子模块：
 
@@ -71,36 +76,6 @@ PaddleTS 是一个易用的深度时序建模的Python库，它基于飞桨深
 | [**paddlets.utils**](https://paddlets.readthedocs.io/zh_CN/latest/source/modules/backtest/overview.html)                     | 工具集模块，提供回测等基础功能                        |
 
 
-## 安装
-
-### 前置条件
-
-* python >= 3.7
-* paddlepaddle >= 2.3
-
-pip 安装 paddlets 命令如下：
-```bash
-pip install paddlets
-```
-
-更多安装方式请参考：[环境安装](https://paddlets.readthedocs.io/zh_CN/latest/source/installation/overview.html)
-
-
-## 文档
-
-* [开始使用](https://paddlets.readthedocs.io/zh_CN/latest/source/get_started/get_started.html)
-
-* [API文档](https://paddlets.readthedocs.io/zh_CN/latest/source/api/paddlets.analysis.html)
-
-
-## 社区
-
-欢迎通过扫描下面的微信二维码加入PaddleTS开源社区，与PaddleTS维护者及社区成员随时进行技术讨论：
-
-<p align="center">
-    <img src="docs/static/images/wechat_qrcode/wechat_qrcode.jpg" align="middle" height=300 width=300>
-</p>
-
 ## 代码发布与贡献
 
 我们非常感谢每一位代码贡献者。如果您发现任何Bug，请随时通过[提交issue](https://github.com/PaddlePaddle/PaddleTS/issues)的方式告知我们。

diff --git a/docs/paddlex/overview.md b/docs/paddlex/overview.md
@@ -0,0 +1,121 @@
+
+## 目录
+- [一站式全流程开发简介](#1)
+- [时序分析相关能力支持](#2)
+- [时序分析相关模型产线列表和教程](#3)
+- [时序分析相关单功能模块列表和教程](#4)
+
+<a name="1"></a>
+
+## 1. 一站式全流程开发简介
+
+飞桨一站式全流程开发工具[PaddleX](https://github.com/PaddlePaddle/PaddleX/tree/release/3.0-beta1)，依托于PaddleTS的先进技术，支持了时序分析领域的**一站式全流程**开发能力。通过一站式全流程开发，可实现简单且高效的模型使用、组合与定制。这将显著**减少模型开发的时间消耗**，**降低其开发难度**，大大加快模型在行业中的应用和推广速度。特色如下：
+
+* 🎨 **模型丰富一键调用**：将时序预测、时序异常检测和时序分类涉及的**13个模型**整合为3条模型产线，通过极简的**Python API一键调用**，快速体验模型效果。此外，同一套API，也支持图像分类、图像分割、目标检测、文本图像智能分析、通用OCR等共计**200+模型**，形成20+单功能模块，方便开发者进行**模型组合使用**。
+
+* 🚀 **提高效率降低门槛**：提供基于**统一命令**和**图形界面**两种方式，实现模型简洁高效的使用、组合与定制。支持**高性能部署、服务化部署和端侧部署**等多种部署方式。此外，对于各种主流硬件如**英伟达GPU、昆仑芯、昇腾、寒武纪和海光**等，进行模型开发时，都可以**无缝切换**。
+
+>**说明**：PaddleX 致力于实现产线级别的模型训练、推理与部署。模型产线是指一系列预定义好的、针对特定AI任务的开发流程，其中包含能够独立完成某类任务的单模型（单功能模块）组合。
+
+<a name="2"></a>
+
+## 2. 时序分析相关能力支持
+
+PaddleX中时序分析相关的3条产线均支持本地**快速推理**，部分产线支持**在线体验**，您可以快速体验各个产线的预训练模型效果，如果您对产线的预训练模型效果满意，可以直接对产线进行[高性能部署](https://github.com/PaddlePaddle/PaddleX/blob/release/3.0-beta1/docs/pipeline_deploy/high_performance_deploy.md)/[服务化部署](https://github.com/PaddlePaddle/PaddleX/blob/release/3.0-beta1/docs/pipeline_deploy/service_deploy.md)，如果不满意，您也可以使用产线的**二次开发**能力，提升效果。完整的产线开发流程请参考[PaddleX产线使用概览](https://github.com/PaddlePaddle/PaddleX/blob/release/3.0-beta1/docs/pipeline_usage/pipeline_develop_guide.md)或各产线使用教程。
+
+此外，PaddleX为开发者提供了基于[云端图形化开发界面](https://aistudio.baidu.com/pipeline/mine)的全流程开发工具, 详细请参考[教程《零门槛开发产业级AI模型》](https://aistudio.baidu.com/practical/introduce/546656605663301)
+
+<table >
+    <tr>
+        <td></td>
+        <td>在线体验</td>
+        <td>快速推理</td>
+        <td>高性能部署</td>
+        <td>服务化部署</td>
+        <td>端侧部署</td>
+        <td>二次开发</td>
+        <td><a href = "https://aistudio.baidu.com/pipeline/mine">星河零代码产线</a></td>
+    </tr>
+        <tr>
+        <td>时序预测</td>
+        <td><a href = "https://aistudio.baidu.com/community/app/105706/webUI?source=appMineRecent">链接</a></td>
+        <td>✅</td>
+        <td>🚧</td>
+        <td>✅</td>
+        <td>🚧</td>
+        <td>✅</td>
+        <td>✅</td>
+    </tr>
+    <tr>
+        <td>时序异常检测</td>
+        <td><a href = "https://aistudio.baidu.com/community/app/105708/webUI?source=appMineRecent">链接</a></td>
+        <td>✅</td>
+        <td>🚧</td>
+        <td>✅</td>
+        <td>🚧</td>
+        <td>✅</td>
+        <td>✅</td>
+    </tr>
+    <tr>
+        <td>时序分类</td>
+        <td><a href = "https://aistudio.baidu.com/community/app/105707/webUI?source=appMineRecent">链接</a></td>
+        <td>✅</td>
+        <td>🚧</td>
+        <td>✅</td>
+        <td>🚧</td>
+        <td>✅</td>
+        <td>✅</td>
+    </tr>
+</table>
+
+> ❗注：以上功能均基于GPU/CPU实现。PaddleX还可在昆仑、昇腾、寒武纪和海光等主流硬件上进行快速推理和二次开发。下表详细列出了模型产线的支持情况，具体支持的模型列表请参阅 [模型列表(NPU)](https://github.com/PaddlePaddle/PaddleX/blob/release/3.0-beta1/docs/support_list/model_list_npu.md) // [模型列表(XPU)](https://github.com/PaddlePaddle/PaddleX/blob/release/3.0-beta1/docs/support_list/model_list_xpu.md) // [模型列表(MLU)](https://github.com/PaddlePaddle/PaddleX/blob/release/3.0-beta1/docs/support_list/model_list_mlu.md) // [模型列表DCU](https://github.com/PaddlePaddle/PaddleX/blob/release/3.0-beta1/docs/support_list/model_list_dcu.md)。同时我们也在适配更多的模型，并在主流硬件上推动高性能和服务化部署的实施。
+
+
+**🚀 国产化硬件能力支持**
+
+<table>
+  <tr>
+    <th>产线名称</th>
+    <th>昇腾 910B</th>
+    <th>昆仑 R200/R300</th>
+    <th>寒武纪 MLU370X8</th>
+    <th>海光 Z100</th>
+  </tr>
+  <tr>
+    <td>时序预测</td>
+    <td>✅</td>
+    <td>✅</td>
+    <td>✅</td>
+    <td>🚧</td>
+  </tr>
+  <tr>
+    <td>时序异常检测</td>
+    <td>✅</td>
+    <td>🚧</td>
+    <td>🚧</td>
+    <td>🚧</td>
+  </tr>
+  <tr>
+    <td>时序分类</td>
+    <td>✅</td>
+    <td>🚧</td>
+    <td>🚧</td>
+    <td>🚧</td>
+  </tr>
+</table>
+
+<a name="3"></a>
+
+## 3. 时序分析相关模型产线列表和教程
+
+- **时序预测产线**: [使用教程](https://github.com/PaddlePaddle/PaddleX/blob/release/3.0-beta1/docs/pipeline_usage/tutorials/time_series_pipelines/time_series_forecasting.md)
+- **时序异常检测**: [使用教程](https://github.com/PaddlePaddle/PaddleX/blob/release/3.0-beta1/docs/pipeline_usage/tutorials/time_series_pipelines/time_series_anomaly_detection.md)
+- **时序分类产线**: [使用教程](https://github.com/PaddlePaddle/PaddleX/blob/release/3.0-beta1/docs/pipeline_usage/tutorials/time_series_pipelines/time_series_classification.md)
+
+<a name="4"></a>
+
+## 4. 时序分析相关单功能模块列表和教程
+
+- **时序预测模块**: [使用教程](https://github.com/PaddlePaddle/PaddleX/blob/release/3.0-beta1/docs/module_usage/tutorials/time_series_modules/time_series_forecasting.md)
+- **时序异常检测模块**: [使用教程](https://github.com/PaddlePaddle/PaddleX/blob/release/3.0-beta1/docs/module_usage/tutorials/time_series_modules/time_series_anomaly_detection.md)
+- **时序分类模块**: [使用教程](https://github.com/PaddlePaddle/PaddleX/blob/release/3.0-beta1/docs/module_usage/tutorials/time_series_modules/time_series_classification.md)