数据准备 本例中使用的车辆数据包含了整车控制信息、电池信息、电机信息等,以上数据通过线下整理汇集在了一个csv中,进而上传至平台。其中Label列标记了车辆是否碰撞及碰撞的严重等级(0-无碰撞,1-轻微碰撞,2-严重碰撞)。 模型训练 发起训练任务 数据导入平台后,可进入 EasyDL表格预测 模块进行模型训练。
1M以上单图自动进行压缩后展示,可以一定程度提升图片加载速度 标注说明 实景图上传API,可以通过API上传未标注和已标注的实景图,点击后跳转至该说明文档 实景图集标注规范,详细说明实景图如何正确标注,点击后跳转至该说明文档 标注工具使用方法,详细说明在线标注工具的使用方法,点击后跳转至该说明文档 切换数据集 可在此处切换实景图集 实景图预览区 从左至右依次为: 按SKU筛选 可以按照SKU标签筛选包含该
TensorFlow 1.13.2代码规范 TensorFlow 1.13.2代码规范 基于TensorFlow1.13.2框架的MNIST图像分类,训练数据集tf_train_data2.zip点击 这里 下载。 如下所示是其超参搜索任务中一个超参数组合的训练代码,代码会通过argparse模块接受在平台中填写的信息,请保持一致。
计费公式 费用=计算设备单价×计算设备数×使用时长 时长计量方法:只包括模型训练时的统计时间,数据预处理等不包括在计费时长内。 产品单价 模型训练 在EasyDL视频方向的任务配置过程中,您可以选择训练的设备以及设备数量。
EdgeBoard系列硬件可直接应用于AI项目研发与部署,具有高性能、易携带、通用性强、开发简单等四大优点。 详细硬件参数请在 AI市场 浏览。
PaddlePaddle 2.1.1代码规范 PaddlePaddle 2.1.1代码规范 基于PaddlePaddle2.1.1框架的MNIST图像分类,训练数据集paddle_train_data.zip点击 这里 下载。 如下所示是其超参搜索任务中一个超参数组合的训练代码,代码会通过argparse模块接受在平台中填写的信息,请保持一致。
features 是 array(number) - 单条特征数据,长度需和模型输入的特征总数相同 返回说明 返回body示例: { "log_id": xxx, "result": { "labels": [ { "categories": [14.95627212524414] } ] } } 返回参数: 参数
gt;", "top_num": 5 } Body中放置请求参数,参数详情如下: 请求参数 参数 是否必选 类型 可选值范围 说明 text 是 string - 文本数据,UTF-8编码。
Body请求示例: { "image": "<base64数据>" } Body中放置请求参数,参数详情如下: 请求参数 参数 是否必选 类型 可选值范围 说明 image 是 string - 图像数据,base64编码,要求base64编码后大小不超过4M,最短边至少15px,最长边最大4096px,支持jpg/png/bmp格式 注意请去掉头部
EasyDL时序预测将根据历史的时间序列数据对目标列未来的变化趋势进行预测。根据预测长度字段设置,模型每次可预测未来1个或多个点。 在配置训练任务时,需指定数据集中的时间列、目标列,平台将根据数据颗粒度自动解析时间间隔(本例为24小时)。用户可根据预测需求配置历史滑动窗口大小、预测长度大小。