【本教程更新于2023年5月13日，运行环境为Win10 x64】
目录
下载安装
1、浏览器中打开PaddleX 图形化客户端下载链接：飞桨PaddlePaddle-源于产业实践的开源深度学习平台
https://www.paddlepaddle.org.cn/paddlex/download
2、点击WIN版下载
3、需要填写个人信息，填写并提交后，可自动跳转下载页面下载。
若下载速度过慢，可以从百度网盘上下载：
链接：https://pan.baidu.com/s/1v72UG0Qxs0prUhF6d1LN6Q?pwd=sycq
提取码：sycq
4、下载完成后，解压到本地硬盘。
5、解压后，进入PaddleX_GUI目录，找到PaddleX.exe文件，双击运行。
6、打开后进入欢迎界面，点击立即使用。
基础使用
1、首先需要初始化工作空间，注意工作空间路径不能包含中文字符集空格，尤其是默认路径存放在“用户”-“用户名”的路径情况下，尤其需要注意用户名为中文的情况。
建议放置在某个磁盘的根目录下，如C:\paddlex_workspace 或 D:\paddlex_workspace
2、创建好工作空间目录后，将询问是否下载样例工程，可以选择“确定”，如果此次不下载，也可以在后续的使用中再次下载。
3、在选择下载示例项目时，可以先选择“图像分类”，其他的以后用到的时候再下载。不同示例项目的体积大小不同，图像分类需下载的图片大约70-80M。
如果在此时未下载相关示例文件，则在安装完成后，可以在“项目管理”——“我的项目”，点击屏幕中间的“下载”链接，下载相应示例文件。
4、PaddleX会检测系统的GPU环境，如果系统未安装GPU及相关驱动，那么默认将启动CPU版本。
5、此时点击“确认”，再左侧导航栏中，进入“项目管理”——“我的项目”，就会出现已经下载好的图像分类示例项目：“果蔬类别”
6、此时对应在磁盘工作目录中，有下载好的数据集D0001。在本地磁盘找到刚刚创建的工作目录，paddlex_workspace，里面可以看到datasets目录，其中有数据集D0001.
7、进入 paddlex_workspace\datasets\D0001目录，可以看到数据集的结构，如下：
8、该数据集中包含了6个目录，分别为菠菜（bocai）、长茄子（changqiezi）、红苋菜（hongxiancai）、胡萝卜（huluobo）、西红柿（xihongshi）、西兰花（xilanhua）的图片。每个目录中大概有200张不同的图片，每张图片尺寸384×216，大小约25KB。
9、在D0001目录中，找到一个名为labels.txt的文件，通过记事本、Notepad++等文本编辑软件打开，可以看到其中的内容，是对应了本次分类识别目标的标签，一共6个，每个标签一行。如下图。
如何进行图像分类训练
1、接下来，我们来开始自己的图像分类训练。利用刚刚下载下来的果蔬类别图片数据集。
- 首先，在“项目管理”——“我的项目”当中，点击“新建项目”
填写以下信息：
| 项目名称： | 01 蔬菜分类练习 |
| 项目描述 | 自己填写项目描述信息 |
| 任务类型 | 选择“图像分类” |
| 工作路径 | 选择之前创建的paddlex_workspace |
- 全部填写完成后，点击“创建”。
2、创建完成后，进入“数据选择”步骤，在“选择数据集”的下拉框中，点击右侧的向下箭头，可出现刚刚下载的示例项目数据集“果蔬类别数据”。点击该数据集。
3、此时将出现该数据集的相关详细信息，如下图所示。出现了数据集的标签数量、训练集图片数量、验证集图片数量、测试集图片数量等。
4、 此时，点击“数据集预览”按钮，可以看到数据集的详细信息，以及图片内容。
左侧部分可以看到该数据集的所有标签，本示例中共有6个标签，对应每一行能看到每个标签的名字、图片总量、划分到训练集的图片数量、划分到验证集的图片数量以及划分为测试集的图片数量。
右侧部分是对应每个标签的具体数据集图片内容，可以看到图片缩略图。点击左侧不同标签，可以查看不同标签数据集图片。
5、查看完数据集详情后，点击界面最上方的路径中我们新建的项目名字，“01 蔬菜分类练习”
6、再点击“数据选择”——点击下方的“下一步”。
7、此时进入“参数配置”环节，此时可以采用默认参数，或者调整为如下参数：
| 模型选择 | MobileNetV2 |
| 使用自定义预训练模型 | 否 |
| 使用GPU | 是 |
| 迭代轮数（Epoch） | 10 |
| 学斜率（Learning Rate） | 0.025 |
| 批大小（Batch Size） | 125 |
然后点击“启动训练”。
8、此时PaddleX就开始了训练过程。通过“训练可视化”标签可以看到训练进度及过程数据。
等待训练结束。（本示例中，我们选择了10轮，则要等10轮训练完成，才结束训练。）
9、等到训练全部结束后， 点击“模型评估”
10、完成模型评估后，PaddleX会显示模型评估的结果数据。在模型评估结果数据的最后面，可以看到“模型测试”部分，点选“测试类型”为“测试集图片测试”，然后点击“启动测试”按钮。
11、测试完成后，可点击“下一步”。
12、此时PaddleX会挑选训练效果最好的一轮的结果作为模型导出。选择好模型导出的目录后，点击“发布”。
13、发布完成后，可以点击“查看”，找到刚刚发布的模型。模型文件在 inerence_model中。
至此，我们已经利用PaddleX完成了自己数据集的训练和模型发布。
记住发布的模型所存放的路径，接下来的教程，我们将调用自己刚刚训练好的模型进行推理。