网络选型参考 - BML 全功能AI开发平台 | 百度智能云文档
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
超参数配置参考 - BML 全功能AI开发平台 | 百度智能云文档
自动超参搜索 在超参搜索的过程中，由于模型复杂、计算成本很高，且每个超参数都有较大的取值范围，导致搜索空间十分庞大，因此需要利用自动超参搜索。自动超参搜索使用超参搜索策略，消耗相对较长的时间对网络模型进行自动调参。目前BML共支持三种超参搜索策略，详细配置方式请参考 技术文档 超参搜索策略 策略名称 说明 随机搜索 在参数变量的变化区间中随机采样参数组合成候选集，应用候选集进行训练和效果对比。
004-特征工程组件 - BML 全功能AI开发平台 | 百度智能云文档
算子参数 参数名称 是否必选 参数描述 默认值 降维后的维度 是 降维后的维度，该值应大于0且小于等于选择的特征个数；当出现infs or NaNs错误时请将请尝试调小该值，或者调整随机种子和开启白化。 2 迭代次数 是 最大迭代次数 范围：[1, inf)。
图像去雾 - 图像增强与特效 | 百度智能云文档
图像去雾 接口描述 对浓雾天气下拍摄，导致细节无法辨认的图像进行去雾处理，还原更清晰真实的图像。示意图如下： 在线调试 您可以在 示例代码中心 中调试该接口 ，可进行签名验证、查看在线调用的请求内容和返回结果、示例代码的自动生成。
014-自然语言处理组件 - BML 全功能AI开发平台 | 百度智能云文档
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。
基于 Notebook 的通用模板使用指南 - BML 全功能AI开发平台 | 百度智能云文档
整个过程需要数十秒，请耐心等待。
私有部署说明-短文本相似度 - BML 全功能AI开发平台 | 百度智能云文档
部署包测试期为1个月，如需购买永久授权，可 提交工单 咨询 API参考 请求说明 请求示例 HTTP 方法： POST 请求URL：请首先在 BML 进行自定义模型训练，完成训练后申请本地部署，本地部署成功后拼接url。
007-异常检测算法 - BML 全功能AI开发平台 | 百度智能云文档
在这样的随机树的森林中取平均的路径长度作为决策量度。 随机划分能为异常观测产生明显的较短路径。 因此，当随机树的森林共同为特定样本产生较短的路径长度时，这些样本就很有可能是异常观测。 输入 输入一个数据集，选择需要进行异常检测的特征列。 输出 输出IsolationForest模型。 算子参数 参数名称 是否必选 参数描述 默认值 树的数量 是 模型中树的数量。
用BML实现图片分类 - BML 全功能AI开发平台 | 百度智能云文档
要做好抽油机井的生产管理工作，必须取准取全各项生产资料，制定抽油机井合理的工作制度，不断进行分析，适应不断变化的油藏动态，加强并提高抽油机井的日常管理水平。
图像分类-单图单标签API参考文档 - BML 全功能AI开发平台 | 百度智能云文档
模型训练完毕后发布可获得定制化图像分类API 接口鉴权 1、在 BML控制台 -模型应用-应用接入功能下创建应用 2、应用列表页获取AK SK 请求说明 请求示例 HTTP 方法： POST 请求URL： 请首先进行自定义模型训练，完成训练后可在服务列表中查看并获取url。
