获取AI中台模型部署包进行应用部署 - 智能边缘BIE | 百度智能云文档
容器模式：会从AI中台获取部署包相关的信息，包括镜像地址、启动参数等等，并自动填充到BIE的应用配置 进程模式：会自动创建sdk对应的配置项，并加载平台内置脚本来启动应用 用户也可以在这一步骤自行去修改一下相关的参数，比如启动端口等等 部署到节点，并运行
部署通用CPU模型 - 智能边缘BIE | 百度智能云文档
3.创建AI应用并部署到边缘节点 进入 应用部署 界面，点击 创建应用 ，按照提示以此填写： ①基本信息->②服务配置->③目标节点 。
PaddleX模型部署 - 度目软硬一体DUMU | 百度智能云文档
需要注意的，w,h设得越大，模型在预测过程中所需要的耗时和内存/显存占用越高；设得太小，会影响模型精度 更多模型转换详情参考PaddleX官方文档： https://paddlex.readthedocs.io/zh_CN/develop/deploy/export_model.html 模型部署 基于Edgeboard 1.8.0示例模型部署 上传模型 模型训练完成后，将模型文件上传到Edgeboard
私有部署的升级 - 百度数据可视化Sugar BI | 百度智能云文档
每次更新到最新版的Sugar BI时， 注意： 一定要用最新版的镜像完整的进行一遍上节中的 「私有部署的安装」 整个流程，特别是同步最新版的数据库结构部分（即使用浏览访问 http://部署的机器 ip:8000/migration ），这样才能正常运行最新版的Sugar BI。
部署EasyDL烟火检测模型至ARM64节点 - 智能边缘BIE | 百度智能云文档
点击 训练 ，选择上述导入的数据集 训练配置选择如下： 部署方式： EasyEdge本地部署 选择设备：可以服务器、通用小型设备、专项适配硬件全部都做一次训练 选择算法：通用算法，精度使用默认即可 训练环境：可以使用免费的GPU T4算力，免费算力训练时间比较长，可能超过3个小时，需要耐心等待。
视觉任务LinuxSDK集成文档-Python - BML 全功能AI开发平台 | 百度智能云文档
视觉任务LinuxSDK集成文档-Python 简介 本文档介绍 EasyDL 的 Linux Python SDK 的使用方法，适用于 EasyDL 通用版和BML。
PaddlePaddle模型部署 - 度目软硬一体DUMU | 百度智能云文档
configs/detection/yolov3/image.json 基于EdgeBoard1.5.1示例版本模型部署 部署步骤： 1、将模型上传至系统自带的sample的不同示例工程中； EdgeBoard支持图像分类和物体检测两类模型 1）如果是图像分类模型，模型需上传到 /home/root/workspace/PaddleLiteSample/classification/models
私有部署的试用与购买 - 百度数据可视化Sugar BI | 百度智能云文档
如果您需要使用集群方式部署或需要做负载均衡，可以使用 Nginx 来做反向代理。反映在 License 中的「访问域名/IP」同样是用户从浏览器访问 Sugar BI 时使用的域名/IP，也即访问 Nginx 的域名/IP，不是集群中部署 Sugar BI 的服务器的 IP。
EasyDL图像Linux-GPU-加速版SDK集成快速开始 - EasyDL零门槛AI开发平台 | 百度智能云文档
测试前的准备 Linux x86 GPU的硬件及开发环境 详情参考下方文档 EasyDL平台的Linux x86 GPU 加速版服务器端SDK&激活序列号 以经典版图像分类为例，在 操作台 训练「私有服务器部署-服务器端SDK」下的模型后，前往 控制台 申请发布Linux x86 GPU的服务器端SDK，发布成功后即可同时获得加速版SDK和序列号 首次使用SDK或者更换序列号、更换设备时，
Linux集成文档-C++ - EasyDL零门槛AI开发平台 | 百度智能云文档
Linux集成文档-C++ 简介 本文档介绍EasyEdge/EasyDL的Linux CPP SDK的使用方法。
