深度學習有很多好用的框架，比如：Tensor flow，pytorch，paddlepaddle 。
PaddlePaddle 是起源於百度的開源深度學習平台。它是簡單易用的：你可以通過簡單的十數行配置搭建經典的神經網絡模型；它也是高效強大的：PaddlePaddle可以支撐復雜集群環境下超大模型的訓練，在百度內部，已經有大量產品線使用了基於PaddlePaddle的深度學習技術。在這些根植業務的穩定框架中，由百度開發並維護的 PaddlePaddle 是適合中國開發者和企業的深度學習工具，成熟的 PaddlePaddle 官方所維護的模型數量基本上是最多的，包括自然語言處理、計算機視覺和推薦等領域的成熟模型。這些模型很多都是根據百度自身業務積累而開源的，甚至還會提供對應的預訓練資源。例如在 NLP 中的情感分析任務上，PaddlePaddle 就會提供基於中文的預訓練模型，這對於開發者而言是非常有意義的。
不像基於動態圖的pytorch,與基於靜態圖的tensorflow，paddlepaddle為了兼顧靈活性和高性能，同時為用戶提供動態圖和靜態圖兩種計算圖。靜態圖是先定義網絡結構而后運行，對定義好的圖結構進行分析，可以使運行速度更快，顯存占用更低，在業務部署上線上的具有非常大的優勢，為用戶的AI應用落地提供高效支持。但是靜態圖組網和執行階段是分開，提供了更方便的動態圖模式，所有操作可以立即獲得執行結果，而不必等到執行階段才能獲取到結果，這樣可以更方便進行模型的調試，同時還減少了大量用於構建Executor等代碼，使得編寫、調試網絡的過程變得更加便捷。用戶可以使用更加便捷的動態圖模式進行調試、訓練，然后可以把訓練好的模型轉換為靜態圖的結構，快速上線部署。
Hub是什么？Hub本意是中心，docker有docker Hub，大家可以把自己創建的鏡像打包提交到docker hub上，需要的時候再pull下來，非常方便，！很多時候我們不需要從頭開始訓練模型，如果有預訓練好的模型，直接做遷移學習就可以，但是傳統的方式基本上都需要從各個官網上去下載，模型比較大，用起來並不輕量。可以直接從Hub上下載預訓練的模型做遷移學習或預測，極大的減輕了工作量。
paddle hub是什么，PaddleHub 是基於 PaddlePaddle 開發的預訓練模型管理工具，可以借助預訓練模型更便捷地開展遷移學習工作，旨在讓 PaddlePaddle 生態下的開發者更便捷體驗到大規模預訓練模型的價值。PaddleHub 目前的預訓練模型覆蓋了圖像分類、目標檢測、詞法分析、Transformer、情感分析五大類別。未來會持續開放更多類型的深度學習模型，如語言模型、視頻分類、圖像生成等預訓練模型。基於預訓練模型，用戶可以更便捷地完成自己的AI應用，飛槳為用戶提供預訓練模型管理和遷移學習組件PaddleHub，可一鍵加載工業級預訓練模型。本次新增發布29個預訓練模型，共為用戶提供40+預訓練模型，覆蓋文本、圖像、視頻三大領域八類模型。PaddleHub提供Fine-tune API，10行代碼即可完成大規模預訓練模型的遷移學習。PaddleHub還引入「模型即軟件」的理念，通過Python API或者命令行工具。
paddlehub與pytorchhub對比，PytorchHub 目前支持18個模型，PaddleHub支持29個，PaddleHub支持的模型數量有絕對的優勢；而PytorchHub涉及的方向更多，但是每個方向的模型並不多，對CV的支持更多；PaddleHub涉及的方向只有兩個，CV和NLP，但是對NLP的支持尤其多，高達22個，不僅包括目前最潮的BERT，還有百度自己研發的知識增強語義表示模型Ernie，在多個中文NLP任務中表現超過BERT。pytorchHub不支持命令行運行，但PaddleHub支持，命令行運行就是指我們安裝PaddleHub后，可以無需進入python環境，即可快速體驗PaddleHub無需代碼、一鍵預測的命令行功能。需要注意的是，在PaddleHub中，既可以支持命令行使用，即在終端輸入。
目前我想用paddlehub來做一個中文識別的模型。