图像去雾

014-自然语言处理组件 自然语言处理组件 Word2Vec Word2Vec 是一种经典的词向量算法，能够从大量文本中学习出各个词语的向量表示，其利用神经网络，可以通过训练，将词映射到 K 维度空间向量，甚至对于表示词的向量进行操作还能和语义相对应，由于其简单和高效引起了很多人的关注。 输入 输入一个数据集，输入列是分词的结果，用这个数据集训练词向量。

查看更多>>

批量预测服务 批量预测是一种进行批量数据推理的方式。用户可以上传批量数据进行推理，在数据处理完成后自动停止。支持设置定时循环任务。 批量预测服务的入口在公有云部署的tab下，点击新建预测即可进入填写批量预测服务的详细表单。 批量预测中提供了定时运行的服务，在填写表单中您可以按照任务需求，按照分钟、小时、天、周、月的维度

查看更多>>

创建视觉任务 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

查看更多>>

配置休眠策略 公有云部署支持休眠策略，从而实现服务的自动休眠，以帮助用户减少支出。 前提条件 已创建的在线服务支持配置休眠策略。 操作步骤 在左侧导航栏中选择“模型部署”>“公有云部署”。 在服务列表页中，单击已创建服务所在行的“设置休眠策略”。 配置休眠策略，如下图所示： 单击“确定”完成配置。

查看更多>>

002-开始训练 运行 您在画布中配置好算子组件以及参数后，需点击画布上方的“运行”按钮，一键训练模型。

查看更多>>

创建NLP任务 一个项目是指对应的一个场景或者领域的问题，例如智能客服场景、智能教育场景等。在BML中，提供了文本分类单标签、文本分类多标签、短文本相似度、序列标注、文本实体抽取任务的模型训练能力。本章节将通过演示，如何创建一个自然语言处理任务来完成问文本分类的任务。 在BML的控制面板左侧，打开【预制模型调参】，并点

查看更多>>

007-组件状态 在画布中，各组件有如下状态： 运行成功：组件右侧有勾代表该组件运行成功。 运行中：旋转动态标识，代表该组件正在运行。 等待中：蓝色省略号标识，代表该组件正在等待运行。 运行失败：红色×号标识，代表由于某种原因运行失败。

查看更多>>

网络选型参考 图像分类任务网络选型参考 大多数情况建议使用 ResNet50和SE-ResNeXt50，模型效果稳定，并且预测时间较短。SE-ResNeXt50相比ResNet50增加了SE模块，能进一步提高准确率，但是预测时间稍有增加 当数据量较大并且要求更高的准确率时，建议从 ResNet101，ResNeXt10

查看更多>>