从本地导入模型 - BML 全功能AI开发平台 | 百度智能云文档
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。 对于表格数
导入已标注数据 - BML 全功能AI开发平台 | 百度智能云文档
导入已标注数据 目录 导入已标注数据方式说明 从已有数据集导入已标注数据 查看已标注数据 导入已标注数据方式说明 如果您已有标注好的数据，支持快速导入到BML，方便直接进入后续训练环节。 实例分割任务向选定的数据集导入已标注好的数据目前支持一种方式: 将其他数据集已经标注好的数据导入 从已有数据集导入已标注数据 从已有数据集导入已标注数据，支持选择数据集及导入的具体标签进行导入。 查看已标注数据
文字识别任务简介 - BML 全功能AI开发平台 | 百度智能云文档
文字识别任务简介 文字识别模型类型 文字识别模型即是常说的OCR模型，预置模型调参目前提供了通用的全文本识别场景，可以应对常规的文字识别任务，且支持多种文字。 文字识别模型应用场景 纸质文档电子化 通用文字识别模型支持针对多语种的纸质文档进行电子化，开发者可以采集文档图片并标注，对模型进行训练，从而实现纸质文档的自动电子化，提升工作效率。 图像转文字 通用文字识别模型支持识别图像上的文字，开发者可
创建表格预测任务 - BML 全功能AI开发平台 | 百度智能云文档
创建表格预测任务 在任务列表点击【创建项目】，在弹窗中提交以下信息完成项目创建： 完善个人信息 ：填写项目归属、行业、联系方式完成项目创建。 注意：有效的联系方式将有助于后续模型上线的人工快速审核，以及更快的百度官方支持 提交项目信息 :提交模型名称、技术方向、任务类型、应用场景及功能描述，即可完成项目创建。其中 任务类型与配置任务可选的数据类型一一对应 。
配置AB测试版本 - BML 全功能AI开发平台 | 百度智能云文档
配置AB测试版本 BML在线服务中，同一服务支持同时部署两个模型上线，并且可以自由的调节流量分配占比 前提条件 已创建的在线服务，处于 运行中 状态时，允许添加一个AB测试版本模型上线 操作步骤 在左侧导航栏中选择“模型部署”>“在线服务” 服务列表中，对于处于 运行中 状态的服务，点击 新增版本 ，添加AB测试版本 配置AB测试版本模型，包括流量占比和资源配置 点击部署，完成部署后，该服务下将有
yaml文件编写规范 - BML 全功能AI开发平台 | 百度智能云文档
yaml文件编写规范 yaml文件编写规范 如下所示是进化算法pbt的yaml文件配置示例： yaml文件中主要分为四大部分： 搜索算法参数： algo：指定选择的搜索策略,下表为各种搜索算法对应的字段。 搜索策略 英文字段 随机搜索 RANDOM_SEARCH 贝叶斯搜索 TPE_SEARCH 进化算法 PBT_SEARCH 进化-CMAES CMAES_SEARCH 粒子群算法 PARTICL
图像分类模型效果评估 - EasyDL零门槛AI开发平台 | 百度智能云文档
图像分类模型效果评估 可通过模型评估报告或模型校验了解模型效果： 模型评估报告：训练完成后，可以在列表中看到模型效果，以及详细的模型评估报告。 模型在线校验：可以在左侧导航中找到【模型校验】，在线校验模型效果。校验功能示意图： 模型评估报告 整体评估 在这个部分可以看到模型训练整体的情况说明，包括基本结论、准确率、F1-score等。这部分模型效果的指标是基于训练数据集，随机抽出部分数据不参与训练
表格预测任务简介 - BML 全功能AI开发平台 | 百度智能云文档
表格预测任务简介 脚本调参支持多种表格预测任务，训练得到的模型可以应用到广泛实际场景中。 表格预测模型类型 表格预测帮助用户通过机器学习技术发现已有数据中的规律，从而创建机器学习模型，并基于机器学习模型处理新的数据，为业务应用生成预测结果。脚本调参中提供的表格数据预测支持创建回归、二分类、多分类三种类型的机器学习模型。 回归：目标列是连续的实数范围，或者属于某一段连续的实数区间。如在销量预测场景中
训练任务失败错误排查 - EasyDL零门槛AI开发平台 | 百度智能云文档
训练任务失败错误排查 表格预测一般是由于任务类型选择错误引起的。当训练任务失败时，请您检查选择的任务类型与目标列是否匹配，以下为各个任务类型对应的目标： 算法类型 目标列 二分类 目标列是离散值，且只有两种可能的取值。如在精准营销场景中预测一个用户是否为潜在购买用户，其目标列仅存在“True”和“False”两种取值，解决该问题的模型属于二分类模型。 多分类 目标列是离散值，并具有有限的可能取值。
物体检测模型效果评估 - EasyDL零门槛AI开发平台 | 百度智能云文档
物体检测模型效果评估 可通过模型评估报告或模型校验了解模型效果： 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。 模型在线校验：可以在左侧导航中找到【校验模型】，在线校验模型效果。校验功能示意图： 模型评估报告 整体评估 在这个部分可以看到模型训练整体的情况说明，包括基本结论、mAP、精确率、召回率。这部分模型效果的指标是基于训练数据集，随机抽出部分数据不
