• 新增超参优化Auto Fine-tune，实现给定超参搜索空间，PaddleHub自动给出较佳的超参组合
  • 支持两种优化策略：HAZero和PSHE2
  • 支持两种评估方式：FullTrail和ModelBased
• 新增Fine-tune优化策略ULMFiT，包括以下三种设置
  • Slanted triangular learning rates：学习率先线性增加后缓慢降低
  • Discriminative fine-tuning：将计算图划分为n段，不同的段设置不同学习率
  • Gradual unfreezing：根据计算图的拓扑结构逐层unfreezing
• 新增支持用户自定义PaddleHub配置，包括
  • 预训练模型管理服务器地址
  • 日志记录级别
• Fine-tune API升级，灵活性与易用性提升
  • 新增阅读理解Fine-tune任务和回归Fine-tune任务
  • 新增多指标评测
  • 优化predict接口
  • 可视化工具支持使用tensorboard