11.零售店商品销量预估 - EasyDL零门槛AI开发平台 | 百度智能云文档
11.零售店商品销量预估 项目说明 业务背景 销售预测是一种可以帮助零售行业完善需求管理、指导运营、提高企业利润的有效手段。通过销量预测，零售商可根据过去的购买记录来预测消费者的下一步行为及其对市场趋势的反应，从而合理安排生产采购、供应链以及促销方案，提高整体利润。 业务难点 目前零售行业的运营管理面临着以下三大痛点：
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，
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_SE
视觉预训练模型 - BML 全功能AI开发平台 | 百度智能云文档
视觉预训练模型 图像分类模型 图像分类网络包含了基于飞桨深度学习平台模型库的十四种预训练网络，利用海量数据进行预训练，并且在ImageNet-2012数据集上进行了top-1准确率和cpu测试时间的测试。 详细测试数据 预训练模型 预训练网络 top-1准确率 cpu测试时间(ms) 模型特点 公开数据集常规预训练模型
008-组件资源配置 - BML 全功能AI开发平台 | 百度智能云文档
008-组件资源配置 在画布中，拖拽组件后，需为组件配置对应的资源。 Spark运行参数 Spark任务中包含Driver和Executor，关系为一对多，您需要分别对Driver和Executor进行资源配置。 参数名称 是否必选 参数描述 Driver 运行环境 是 平台提供两种资源套餐可供选择 Executor
Sklearn 0.23.2 - BML 全功能AI开发平台 | 百度智能云文档
Sklearn 0.23.2 Sklearn sklearn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格式模型示例代码: Python 复制 1
预置模型调参简介 - BML 全功能AI开发平台 | 百度智能云文档
预置模型调参简介 在BML中，面向初级的AI开发者提供了预置模型调参建模方式。在该方式下，开发者无需关注构建模型的代码细节，而只需要选择合适的预训练模型以及网络即可。对于系统预置的可配置网络参数，可以适用于大部分场景，开发者也可以根据自己的经验进行调整，以获得更适合特定场景的模型。 预置模型调参支持视觉和自然语言处理两
Pytorch 1.7.1 - BML 全功能AI开发平台 | 百度智能云文档
Pytorch 1.7.1 Pytorch 训练代码 基于Pytorch框架的MNIST图像分类示例代码，数据集请点击 这里 下载。 单机训练时（计算节点等于1），示例代码如下： Python 复制 1 import argparse 2 import torch 3 import torch . nn as nn 4
数据增强算子参考 - BML 全功能AI开发平台 | 百度智能云文档
数据增强算子参考 适用于图像分类的数据增强算子 算子名 功能 ShearX 剪切图像的水平边 ShearY 剪切图像的垂直边 TranslateX 按指定距离（像素点个数）水平移动图像 TranslateY 按指定距离（像素点个数）垂直移动图像 Rotate 按指定角度旋转图像 AutoContrast 自动优化图像对
005-AutoML(自动调参) - BML 全功能AI开发平台 | 百度智能云文档
005-AutoML(自动调参) AutoML(自动调参) 为了帮助模型达到更精准的效果，平台支持自动调参。支持自动调参的组件有XGBoost二分类、XGBoost多分类、XGBoost回归等等。 点击“AutoML 按钮。 在弹出的“自动调参”页面中，选择对应的算法组件。 在调参配置中，设置数据拆分比例、网格拆分数、
