`v1.2.1`

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
- 支持两种超参优化算法：HAZero和PSHE2
- 支持两种评估方式：FullTrail和PopulationBased
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

`v1.1.2`

PaddleHub 新增预训练模型ERNIE 2.0
- 升级Reader，支持自动传送数据给Ernie 1.0/2.0
- 新增数据集GLUE(MRPC、QQP、SST-2、CoLA、QNLI、RTE、MNLI)

全新发布PaddleHub官网，易用性全面提升
- 新增网站 http://hub.paddlepaddle.org.cn 包含PaddlePaddle生态的预训练模型使用介绍
- 迁移学习Demo接入AI Studio与AI Book,无需安装即可快速体验
新增29个预训练模型，覆盖文本、图像、视频三大领域；目前官方提供40个预训练模型
- CV预训练模型：
  - 新增图像分类预训练模型11个：SE_ResNeXt, GoogleNet, ShuffleNet等
  - 新增目标检测模型Faster-RCNN和YOLOv3
  - 新增图像生成模型CycleGAN
  - 新增人脸检测模型Pyramidbox
  - 新增视频分类模型4个: TSN, TSM, StNet, Non-Local
- NLP预训练模型
  - 新增语义模型ELMo
  - 新增情感分析模型5个: Senta-BOW, Senta-CNN, Senta-GRNN, , Senta-LSTM, EmoTect
  - 新增中文语义相似度分析模型SimNet
  - 升级LAC词法分析模型，新增词典干预功能，支持用户自定义分词
Fine-tune API升级，灵活性与性能全面提升
- 支持多卡并行、PyReader多线程IO，Fine-tune速度提升60%
- 简化finetune、evaluate、predict等使用逻辑，提升易用性
- 增加事件回调功能，方便用户快速实现自定义迁移学习任务
- 新增多标签分类Fine-tune任务

正式发布PaddleHub预训练模型管理工具，旨在帮助用户更高效的管理模型并开展迁移学习的工作。

预训练模型管理: 通过hub命令行可完成PaddlePaddle生态的预训练模型下载、搜索、版本管理等功能。

命令行一键使用: 无需代码，通过命令行即可直接使用预训练模型进行预测，快速调研训练模型效果。目前版本支持以下模型：词法分析LAC；情感分析Senta；目标检测SSD；图像分类ResNet, MobileNet, NASNet等。

迁移学习: 提供了基于预训练模型的Finetune API，用户通过少量代码即可完成迁移学习，包括BERT/ERNIE文本分类、序列标注、图像分类迁移等。