史上最详尽，小白最友好——手把手带你实现产业级图像分类项目

点击上方“CVer”，选择加"星标"置顶

重磅干货，第一时间送达

最近几年，“AI产业人才饱和”、“人工智能行业进入寒冬”，“CV四小龙过的很艰难”这些言论尘嚣甚上，这让一些打算进入这个行业和一些尚在学校里面的小伙伴们瑟瑟发抖，内心慌的一批。

但是真的AI产业已经饱和了吗？

不！

这些年资本对于AI的追逐越来越理性，更多关注AI如何落地的问题。因此，那些坐在实验室里面看看论文，练练丹的工作再也满足不了外界的落地需求了。更需要真正应用到产业实际落地上。但是AI的产业落地可不仅仅是如何训练出来一个模型，更需要解决如何从环境搭建到平台部署这样0到1的全流程操作。

为此，我们通过一个图像分类的例子，带着大家实现如何从0到1的完成一个项目，并实现工业级别的部署。

在大家看这个文章之前，可能会遇到我该如何选择主干网络，我该如何有效地调参，我该如何实现有效地部署等诸如此类的问题。不要担心，我将详细给大家讲解从深度学习环境搭建到最终的项目落地部署所有细节，使用的环境是Windows！即使是刚入门深度学习的初学者，按照此教程也可以轻松完成整个项目哈。

由于文章太详细，内容太多，我们在这里只是列举了大纲：

最全的文档欢迎大家扫码关注飞桨PaddlePaddle公众号，回复“图像分类”获取。

同时欢迎进入我们的微信群进行交流（如果人数已经满，请加微信号15711058002，并备注“clas”，会有工作人员拉您入群）

如果我们的产品帮助到了您，希望您给我们点一个star！

https://github.com/PaddlePaddle/PaddleClas

https://gitee.com/paddlepaddle/PaddleClas

图像分类是图像分割、目标检测的基础，我们在这里先介绍如何用图像分类实现一个产业项目的落地，后续我们也会为大家献上如何使用目标检测、图像分割来完成一个流程落地。

飞桨(PaddlePaddle)以百度多年的深度学习技术研究和业务应用为基础，是中国首个开源开放、技术领先、功能完备的产业级深度学习平台，包括飞桨开源平台和飞桨企业版。飞桨开源平台包含核心框架、基础模型库、端到端开发套件与工具组件，持续开源核心能力，为产业、学术、科研创新提供基础底座。

飞桨企业版基于飞桨开源平台，针对企业级需求增强了相应特性，包含零门槛AI开发平台EasyDL和全功能AI开发平台BML。EasyDL主要面向中小企业，提供零门槛、预置丰富网络和模型、便捷高效的开发平台；BML是为大型企业提供的功能全面、可灵活定制和被深度集成的开发平台。

整理不易，请给CVer点赞和在看！