容器实例

效果评估 模型评估报告 训练完成后，可以在【我的模型】列表中看到模型效果，以及详细的模型评估报告。 「完整评估结果」页面中将记录整体评估与详细评估的报告，包括该模型整体的准确率、F1-score、精确率、召回率，以及评估样本具体数据情况，各分类的精确值、F1-Score、召回值等指标。 整体评估中，各指标的释义如下： F1-score：给每个类别相同的权重，计算每个类别的F1-score，然后求平

查看更多>>

在线标注 在线标注 Step 1 进入标注页面 上传未标注的数据后，可以通过以下两个方式进入标注页面： 在「数据总览」页面，该数据集对应的操作列下，点击「标注」，即可进入标注页面 在「在线标注」页面，选择该数据集，即可进入标注页面 Step 2 进行文本标注 针对尚未进行标注的数据，通过以下方式进行标注： 在右边标签栏中添加标签 针对文本内容，选择其对应的标签 点击下一篇，此篇文本的内容即可进行自

查看更多>>

发起训练 训练模型 完成数据的标注，即可在「模型中心」目录中点击「训练模型」，开始模型的训练。 按以下步骤操作，启动模型训练： Step 1 选择模型 选择此次训练的模型 Step 2 训练配置 部署方式 可选择「公有云部署」、「EasyEdge本地部署」。 如何选择部署方式 选择设备 如果您选择了「EasyEdge本地部署」，请根据实际部署设备选择 如果您选择了「公有云部署」，无需选择设备 选择

查看更多>>

API上传 本文档主要说明当您线下已有大量的已经完成整理的文本数据，如何通过调用API完成文本数据的便捷上传和管理。 EasyDL数据集管理API在管理不同模型数据类型之间是通用的。上传不同模型类型数据，只是在部分接口入参存在差异，使用及接口地址完全一致。 数据集创建API 接口描述 该接口可用于创建数据集。 接口鉴权 同发布模型后获取的API鉴权方式： 1、在 EasyDL——控制台 创建应用

查看更多>>

错误码 若请求错误，服务器将返回的JSON文本包含以下参数： error_code ：错误码。 error_msg ：错误描述信息，帮助理解和解决发生的错误。 例如Access Token失效返回： { "error_code": 110, "error_msg": "Access token invalid or no longer valid&

查看更多>>

评估效果 模型评估 模型训练完成后，可以在「我的模型」列表中查看该模型的效果，以及完整评估结果。 「完整评估结果」页面中将记录整体评估与详细评估的报告，包括该模型整体的准确率、F1-score、精确率、召回率，以及评估样本具体数据情况，各分类的精确值、F1-Score、召回值等指标。 整体评估中，各指标的释义如下： 准确率：正确分类的样本数与总样本数之比 F1-score：给每个类别相同的权重，计

查看更多>>

发布API 在训练模型时，您需要选择「EasyEdge本地部署」的训练方式，才能发布本地部署的私有API。 私有API介绍 将模型以Docker形式在本地服务器（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 发布私有API的流程 训练完毕后，您可以在左侧导航栏中找到「发布模型」，依次进行以下操作即可将模型部署到私有服务器： 在「发布模型

查看更多>>

发布API 在训练模型时，您需要选择「EasyEdge本地部署」的训练方式，才能发布本地部署的私有API。 私有API介绍 将模型以Docker形式在本地服务器（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 发布私有API的流程 训练完毕后，您可以在左侧导航栏中找到「发布模型」，依次进行以下操作即可将模型部署到私有服务器： 在「发布模型

查看更多>>