视觉预训练模型 图像分类模型 图像分类网络包含了基于飞桨深度学习平台模型库的十四种预训练网络，利用海量数据进行预训练，并且在ImageNet-2012数据集上进行了top-1准确率和cpu测试时间的测试。

查看更多>>

从本地导入模型 在新建版本时可以导入本地模型。 前提条件 已创建模型，且该模型的模型来源为“本地上传”。 操作步骤 在左侧导航栏中选择“模型仓库”>“模型管理”。 在模型列表页中，单击“来源”为“本地上传”的模型所在行的“新建版本”，进入“新建版本”页面。 根据页面提示填写相关信息以及上传文件： 对于图像分类、物体检测在上传文件时以及提交时进行文件校验，如校验出错，请根据提示进行修改。

查看更多>>

训练模型 用户可以在Notebook或终端中编写模型训练代码，并完成模型的训练。 本节给出如何使用示例代码完成导入数据集的建模。

查看更多>>

右键查看模型评估报告。 多分类评估 基于分类模型的预测结果和原始结果，评价多分类算法模型的优劣，指标包括 Accuracy、F1-Score 等。 输入 最多可输入4个数据集，用户需要选择原始标签列、预测标签列。 输出 第一个输出是summary数据集，第二个输出是分类指标表，右键可以查看模型评估报告。

查看更多>>

预置模型调参简介 在BML中，面向初级的AI开发者提供了预置模型调参建模方式。在该方式下，开发者无需关注构建模型的代码细节，而只需要选择合适的预训练模型以及网络即可。对于系统预置的可配置网络参数，可以适用于大部分场景，开发者也可以根据自己的经验进行调整，以获得更适合特定场景的模型。

查看更多>>

价格详情 预置模型调参+自定义作业 在预置模型调参，自定义作业两种建模方式任务配置过程中，您可以选择运行环境及节点数。目前自定义作业暂时只支持单节点。

查看更多>>

003-查看模型特征溯源 可视化建模提供特征溯源功能，对模型可用特征进行可视化溯源。 如果数据集组件到算法组件的路径中仅包含“数据处理组件（除‘Python数据处理组件’）”或“特征工程组件（除‘Python特征工程组件’）”，则可以生成特征溯源信息。 算法组件运行成功后，点击鼠标右键，选择“特征溯源”查看。 在弹出的界面中选择需要查看的特征名称，查看对应的溯源信息。

查看更多>>

保存Notebook中的模型 保存Notebook中的模型 模型只有保存为特定版本后，才可以执行检验，校验通过后可以将其发布到模型仓库。 请确保要保存的模型文件在/home/work/PretrainedModel目录下。模型支持版本管理功能，在保存时可以生成新版本也可以覆盖已有的且尚未部署的模型版本，每个版本的模型都可以独立部署。每个模型版本中保存的模型文件大小上限为1.5GB。

查看更多>>