模型仓库中的文字识别模型，发布为公有云部署时储在云端，可通过独立Rest API调用模型，实现AI能力与业务系统或硬件设备整合。
BML具有完善的鉴权、流控等安全机制，并配置丰富的资源集群稳定承载高并发请求。 并且支持查找云端模型识别错误的数据，纠正结果并将其加入模型迭代的训练集，不断优化模型效果

公有云部署

模型部署流程

1. 将训练完成的模型发布到模型仓库，在模型仓库中的『版本列表』中点击『公有云部署』或者点击左侧导航栏的公有云部署，进入公有云部署界面后点击『部署模型』。
   
2. 在部署界面，首先进行服务配置：自定义服务名称、接口地址后缀，选择需要部署的模型，
   
3. 对每个部署模型还需要进行资源配置，配置模型预测服务所需机器资源。目前资源开放CPU类型，支持按配额与实例进行灵活配置，计费说明请点击查看

4. 当部署模型为脚本调参任务产出的模型时，系统会自动显示该模型在当前配置下的预估时延和QPS。点击"性能曲线"，即可查看单实例下的推理时延，QPS与配额的曲线关系，您可以根据性能曲线配置合理的配额。

5. 配置完成后，点击开始部署即可一键部署模型，并获得专用的API地址。

   说明：

   1、系统将运行公有云部署的机器资源1核cpu和4G内存折算为1配额，提高配额数量能提升QPS和降低推理时延

   2、实例为cpu资源运行的实例数，为保证服务的稳定性，实例数至少需要配置为2。实例数与QPS成正比关系，提高实例数时，QPS能正比增加

接口赋权

1. 正式使用还需要对接口进行赋权，在已发布的服务的详情界面，点击『控制台』进入BML控制台。
   
2. 在控制台中创建一个应用，获得由一串数字组成的appid，然后就可以参考接口文档正式使用了
   
3. 如需为第三方用户配置调用接口的权限，可以前往BML控制台-公有云服务管理-权限管理配置

公有云部署列表
公有云部署列表信息由历史提交公有云服务组成，显示服务的基本信息。

如图，在预测服务列表页支持以下操作：

查看详情：点击进入该公有云服务的详情界面

重启：对已停止或部署失败的服务进行重新创建，恢复对应的服务为可用状态

停止：停止该公有云服务，用户不再使用相关服务后可进行这一操作，停止后将不进行计费

编辑模型：对于已经部署为公有云服务，但尚未配置机器资源的模型，点击可以配置机器资源