物体检测数据标注说明 - BML 全功能AI开发平台 | 百度智能云文档
物体检测数据标注说明 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字/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，在左侧选择标注工具针对目标区域构建矩形框。 点击下一张图片/切换图片即可完成保存 注意，在标注过
如何部署在私有服务器 - BML 全功能AI开发平台 | 百度智能云文档
如何部署在私有服务器 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。 页面中操作步骤如下： 选择模型 选择部署方式「私有服务器部署」 选择集成方式「私有API」 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 点击「提交申请」后，前往控制台申请私有部署包。并参考文档完成
保存Notebook中的模型 - BML 全功能AI开发平台 | 百度智能云文档
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。 在保存模式时也
图像分类数据标注说明 - BML 全功能AI开发平台 | 百度智能云文档
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
TensorFlow 1.13.2 - BML 全功能AI开发平台 | 百度智能云文档
TensorFlow 1.13.2 TensorFlow 基于tensorflow框架的MNIST图像分类任务示例代码，训练数据集点击 这里 下载 单机训练（计算节点数为1），示例代码如下： import os import tensorflow as tf import numpy as np from tensorflow import keras layers = tf . layers t
使用训练作业训练模型 - BML 全功能AI开发平台 | 百度智能云文档
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
XGBoost 1.3.1 - BML 全功能AI开发平台 | 百度智能云文档
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
训练时长设置参考 - BML 全功能AI开发平台 | 百度智能云文档
训练时长设置参考 运行环境说明 目前 BML 支持选择GPU P4、GPU P40、GPU V100三种运行环境，性能从高到低为V100＞P40＞P4。具体规格说明如下： 机型 规格说明 GPU V100 TeslaGPU_V100_16G显存单卡_12核CPU_56G内存 GPU P40 TeslaGPU_P40_24G显存单卡_12核CPU_40G内存 GPU P4 TeslaGPU_P4_8
sklearn框架API调用文档 - BML 全功能AI开发平台 | 百度智能云文档
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/
9.厂区工人抽样行为识别 - EasyDL零门槛AI开发平台 | 百度智能云文档
9.厂区工人抽样行为识别 项目说明 业务背景 在企业生产安全管理中，厂区安全是重要课题之一。厂区的人多、物杂、环境复杂等特性给安全管理带来挑战。当前大多数企业厂区都已加装视频摄像头，但主要依赖人工来对摄像头进行监测和预警。 业务难点 由于人眼、人脑的数据采集、分析能力具有局限性、不稳定性，因此依赖人工的监控方式无法做到视频数据的全量覆盖、及时分析和实时预警，从而给厂区安全管理带来隐患。 解决思路
