登录/注册 个人中心 消息中心 退出登录 5 基于LangChain的LLM应用开发——代理 大模型开发 / 技术交流 LLM 2023.11.09 4010 看过 前言 君子性非异也,善假于物也。 普通人使用大语言模型,很容易就把大语言模型当作百科全书。
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。 网络类型支持:图像分类,物体检测 硬件支持: Intel Movidius MyRIAD2 / MyRIAD X / IGPU 瑞芯微 RK3399Pro 语言支持: Intel Movidius MyRIAD2 / MyRIAD
XGBoost 1.3.1代码规范 XGBoost 1.3.1代码规范 基于XGBoost 1.3.1框架的结构化数据的回归问题。 如下所示是其超参搜索任务中一个超参数组合的训练代码,代码会通过argparse模块接受在平台中填写的信息,请保持一致。另外该框架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。 xgboost1.3.1_autosear
如何获取视觉任务软硬一体产品 为进一步提升前端智能计算的用户体验,BML推出了多款软硬一体方案。将高性能硬件与BML脚本调参任务训练出的图像分类/物体检测模型深度适配,可应用于工业分拣、视频监控等多种设备端离线计算场景,让离线AI落地更轻松。 了解不同方案 方案获取流程如下: Step 1: 在BML脚本调参任务中训练专项适配所选硬件的图像分类/物体检测模型 ,迭代模型至效果满足业务要求。 查看硬
PaddlePaddle 2.1.1代码规范 PaddlePaddle 2.1.1代码规范 基于PaddlePaddle2.1.1框架的MNIST图像分类,训练数据集paddle_train_data.zip点击 这里 下载。 如下所示是其超参搜索任务中一个超参数组合的训练代码,代码会通过argparse模块接受在平台中填写的信息,请保持一致。 PaddlePaddle2.1.1_autosear
Tensorflow2.3.0代码规范 Tensorflow 2.3.0代码规范 基于Tensorflow2.3.0框架的MNIST图像分类,训练数据集tf_train_data2.zip点击 这里 下载。 如下所示是其超参搜索任务中一个超参数组合的训练代码,代码会通过argparse模块接受在平台中填写的信息,请保持一致。 tensorflow2.3_autosearch.py示例代码 # -*
私有部署说明-短文本相似度 本文档主要说明定制化模型本地部署后,如何使用本地API。如还未训练模型,请先前往 BML 进行训练。 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 部署包使用说明 BML定制化短文本相似度模型的本地部署通过EasyPack实现,目前提供单机一键部
视觉模型如何部署在私有服务器 在发布模型页面中,可以申请私有服务器部署,将模型部署在私有服务器中。 支持「私有API」和「服务器端SDK」两种集成方式: 私有API:将模型以Docker形式在私有服务器(仅支持Linux)上部署为http服务,可调用与公有云API功能相同的接口。可纯离线完成部署,服务调用便捷 服务器端SDK:将模型封装成适配私有服务器(支持Linux和Windows)的SDK,可
文本分类-多标签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多标签模型,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
文本实体抽取私有API调用说明 接口描述 基于自定义训练出的文本分类模型,实现个性化文本识别。模型训练完毕后发布可获得定制化实体抽取API。 如有其它问题,请在百度智能云控制台内 提交工单 反馈。 请求说明 请求示例 HTTP 方法: POST 请求URL: 请首先在 定制化训练平台 进行自定义模型训练,完成训练后可在服务列表中查看并获取url。 URL参数: 参数 值 access_token