Notebook导入数据集 BML基于Jupyter提供了在线的交互式开发环境,在此基础上也为用户提供了便捷导入数据集的方式。 通过平台导入 先点击数据总览,并点击创建数据集,将数据集上传到 BML 平台进行纳管。 进入Codelab Notebook,点击导入数据集插件,并选择从平台数据集的导入方式,选择已经在平台纳管的数据集进行导入。
002-数据集组件 数据集组件 数据集 导入用户在EasyData中创建的数据集中的数据。 输入 选择平台上的数据集。要求为“ 1、数据集数据量不为0;2、数据集状态非智能标注中,非导入中;3、数据集需为2022年7月15日后创建。 ” 输出 输出是选择的数据集。
平台去重策略 平台提供了可去重的数据集,即对您上传的数据进行重复样本的去重。注意:当您确定了数据集为去重或非去重的属性后,便不可修改。 当您创建了一个去重的数据集时,在后续上传数据的过程中,平台可通过检验您当前上传的样本与已上传到此数据集下的样本是否相同,如果相同,则会使用新的样本替代旧的样本。
同时,在计算节点中对热数据进行缓存,进一步降低数据的访问延迟。 标准型 适用于数据读写较为低频,对读写对延迟容忍度较高且对 IO 要求较低的场景,如小规模的冷数据备份。 标准型存储网关采用 100GB 的高性能云磁盘。 本地型 适用于本地计算集群访问云端对象存储的场景,如本地数据云端备份,混合云存储等。
MYSQL_PORT_3306_TCP_PORT" -uroot -p"$MYSQL_ENV_MYSQL_ROOT_PASSWORD"' CREATE DATABASE IF NOT EXISTS `sugarbi` DEFAULT CHARACTER SET utf8 COLLATE utf8_general_ci; 对于 MySQL,我们建议您进行每天定时备份
短文本匹配数据标注 短文本匹配数据标注 打开短文本匹配数据集的标注页面,您可以看到全部未标注的数据 在页面右侧选择两个文本是相似还是不相似,便可完成标注
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 自动优化图像对比度 Contrast 调整图像对比度 Invert 将图像转换为反色图像 Equalize
常见的例如省、市这样的两级单选条件的级联效果: 1、分别给省份和城市两个过滤组件绑定好各自的数据,并且给城市过滤组件设置依赖省份过滤组件: 2、选中省份过滤组件,配置它对城市组件的关联: 配置方式和 过滤组件关联图表 类似。 3、完成上面的设置之后,选定一个省份,就能看到对应的城市产生了级联效果。如果要配置两级以上的级联效果,只需要按照上面的步骤逐一配置即可。
注意事项 数据备份: 重装系统后,系统盘中的内容将会清空,重置为新镜像的初始状态。因此,您需要在重装前完成系统盘中重要数据和信息的备份。 实例 IP: 重装系统后,实例的公网IP不会改变。 强制关机: 重装系统过程中,轻量应用服务器的服务会中断几分钟。 操作步骤 登录 轻量应用服务器控制台 。 在服务器中,找到待重装系统的实例。根据实际的操作习惯,选择不同的方式进行重装。
功能操作说明 支持展示特定打点数据 可搜索展示特定数据标签或展示所有数据标签 支持「二维」或「三维」展示高维数据分布 可选择「PCA」或「T-SNE」作为降维方式