人工智能技术在各行各业正加速应用落地。为了向开发者提供产业实践推理部署最优解，百度飞桨发起了 FastDeploy 开源项目。FastDeploy 具备全场景、简单易用、极致高效三大特点。

（1）简单易用：几行代码完成 AI 模型的 GPU 部署，一行命令切换推理后端，快速体验 150+ 热门模型部署

FastDeploy 精心设计模型 API，不同语言统一 API 体验，只需要几行核心代码，就可以实现预知模型的高性能推理，极大降低了 AI 模型部署难度和工作量。一行命令切换 TensorRT、Paddle Inference、ONNX Runtime、Poros 等不同推理后端，充分利用推理引擎在 GPU 硬件上的优势。

FastDeploy 几行命令完成 AI 模型部署

FastDeploy 支持 CV、NLP、Speech、Cross-modal（跨模态）四大 AI 领域，覆盖 20 多主流场景、150 多个 SOTA 产业模型的端到端示例，包括图像分类、图像分割、语义分割、物体检测、字符识别（OCR）、人脸检测、人脸关键点检测、人脸识别、人像扣图、视频扣图、姿态估计、文本分类、信息抽取、文图生成、行人跟踪、语音合成等。支持飞桨 PaddleClas、PaddleDetection、PaddleSeg、PaddleOCR、PaddleNLP、PaddleSpeech 6 大热门 AI 套件的主流模型及生态（如 PyTorch、ONNX 等）热门模型的部署。

（2）全场景：支持多框架，轻松搞定 PaddlePaddle、PyTorch、ONNX 等模型部署

FastDeploy 支持 TensorRT、Paddle Inference、ONNX Runtime、Poros 推理引擎，统一部署 API，只需要一行代码，便可灵活切换多个 GPU 推理引擎后端。内置了 X2Paddle 和 Paddle2ONNX 模型转换工具，只需要一行命令便可完成其他深度学习框架到飞桨以及 ONNX 的相互转换，让其他框架的开发者也能通过 FastDeploy 体验到飞桨模型压缩与推理引擎的端到端优化效果。覆盖 GPU、Jetson Nano、Jetson TX2、Jetson AGX、Jetson Orin 等云边端场景全系列 NVIDIA 硬件部署。同时支持服务化部署、离线部署、端侧部署方式。

（3）极致高效：一键压缩提速，预处理加速，端到端性能优化，提升 AI 算法产业落地

FastDeploy 集成了自动压缩工具，在参数量大大减小的同时（精度几乎无损），推理速度大幅提升。使用 CUDA 加速优化预处理和后处理模块，将 YOLO 系列的模型推理加速整体从 41ms 优化到 25ms。端到端的优化策略，彻底解决 AI 部署落地中的性能难题。更多性能优化，欢迎关注 GitHub 了解详情。

https://github.com/PaddlePaddle/FastDeploy

FastDeploy 一行命令实现自动压缩，充分利用硬件资源提升推理速度

FastDeploy 提升 AI 任务端到端推理速

12 月 12 日 - 12 月 30 日，《产业级 AI 模型部署全攻略》系列直播课程，FastDeploy 联合 10 家硬件公司与大家直播见面。

12 月 14 日 20:30 开始，NVIDIA 与百度资深专家将为大家带来以“一键搞定服务化部署，实现稳定高并发服务”为主题的精彩分享，详细解说 FastDeploy 服务化部署实战教学，以及如何提升 GPU 利用率和吞吐量！欢迎大家扫码报名获取直播链接，加入交流群与行业精英深度共同探讨 AI 部署落地话题。