生成式人工智能应用工程师

图像分类数据标注说明 目录 标注操作说明 标注技巧说明 上传图片 标注操作说明 在数据集查看详情页面可以点击开始标注，进入到标注页面。 添加标签 点击右侧添加标签，输入不同分类名称，完成标签添加。 标签格式说明：目前平台标签名称只支持数据/字母/下划线，暂时不支持中文 标注方式 根据左侧选定的当前图片，在右侧标签列表选择标签即可完成标注。 点击下一张图片/切换图片即可完成保存 标注技巧说明 快速标

查看更多>>

使用训练作业训练模型 使用训练作业训练模型 训练作业训练提供多种开源框架和优质的训练资源。您可以上传代码文件，数据集到BOS对象存储，通过训练作业完成训练后，训练结果会输出到BOS中的指定位置。 基本信息 填写作业名称和备注信息。作业名称填写完成后，训练作业才可以保存。 算法配置 选择算法框架：选择训练代码文件使用的算法框架，目前BML支持Paddle，TensorFlow，Pytorch，Skl

查看更多>>

文本分类数据标注说明 文本标注 上传未标注文本后，进入到标注页面，您可以逐一查看每一篇未标注的文本，如下图： 设定分类对应的标签 创建标签后，即可以进行对文本的标注，在文本的上方标签字段处，会显示对应的分类标签，完成标注

查看更多>>

XGBoost 1.3.1 XGBoost XGBoost框架下，自定义作业支持发布保存模型为 pickle 和 joblib 格式，并且在发布至模型仓库时需要选择相应的模型文件。使用下面代码进行模型训练时，训练程序可以自行加载数据，训练数据选择空文件夹即可。 pickle格式示例代码 # -*- coding:utf-8 -*- xgboost train demo import

查看更多>>

Blackhole 1.0.0 Blackhole 1.0.0 Blackhole是百度自研的高性能数据科学引擎，CodeLab中内嵌了该引擎。通过异构加速计算、超大数据处理、高效数据存储等技术，单机Blackhole在数据分析和机器学习等场景相比开源Pandas/Sklearn性能可提升7倍以上、拥有TB级的单机超大数据处理能力，同时提供和Pandas、Sklearn基本一致的易用接口。参考文档

查看更多>>

图像智能标注介绍说明 使用智能标注功能可降低数据的标注成本。启动后，系统会从数据集所有图片中筛选出最关键的图片并提示需要优先标注。通常情况下，只需标注数据集30%左右的数据即可训练模型。与标注所有数据后训练相比，模型效果几乎等同 整体流程以物体检测的智能标注流程为例: 创建智能标注任务 启动物体检测数据集的智能标注前，请先检查一下是否已满足以下条件： 所有需要识别的标签都已创建 每个标签的标注框数

查看更多>>

sklearn框架API调用文档 本文档主要说明使用sklearn框架训练的模型部署到公有云后获得的API如何使用，如有疑问可以通过以下方式联系我们： 在百度智能云控制台内 提交工单 进入 BML社区交流 ,与其他开发者进行互动 接口描述 基于sklearn机器学习框架训练出的模型，模型训练完毕，发布到模型仓库并部署到公有云后可获得定制API 接口鉴权 在BML-控制台创建应用 应用列表获取AK/

查看更多>>

文本分类API调用文档 本文档主要说明定制化模型发布后获得的API如何使用，如有疑问可以通过以下方式联系我们： 在百度智能云控制台内 提交工单 进入 BML社区交流 ,与其他开发者进行互动 加入BML官方QQ群（群号:868826008）联系群管 接口描述 基于自定义训练出的文本分类模型，实现个性化文本分类。模型训练完毕后发布可获得定制化文本分类API 接口鉴权 1、在 BML——控制台 创建应用

查看更多>>