版本变更记录 对象存储（BOS）
BCE CLI工具包 [2017-08-17] 版本号0.10.5 变更记录： 支持设置Bucket的默认存储类型； 优化sync性能。 BCE CLI工具包 [2017-07-20] 版本号0.10.4 变更记录：支持多配置。 BCE CLI工具包 [2017-06-29] 版本号0.10.3 变更记录： 支持图像审核服务和Android批量打包服务。
AI Job Scheduler组件 - 百舸异构计算平台AIHC | 百度智能云文档
AI Job Scheduler组件 AI Job Scheduler组件，包含关键指标总览、队列排队总览、集群/队列超限总览、Pod调度性能总览、任务调度性能总览和调度器调度阶段延迟总览。 前提条件 AI Job Scheduler版本 >= 1.7.9 已接入监控实例 需启用采集任务,具体参考文档： 接入监控实例并启用采集任务 使用方法 登录 百舸异构计算平台AIHC控制台 。
Blackhole 1.0.0 - BML 全功能AI开发平台 | 百度智能云文档
通过异构加速计算、超大数据处理、高效数据存储等技术，单机Blackhole在数据分析和机器学习等场景相比开源Pandas/Sklearn性能可提升7倍以上、拥有TB级的单机超大数据处理能力，同时提供和Pandas、Sklearn基本一致的易用接口。参考文档点击 这里 查看。 本文使用Blackhole中随机森林算法对希格斯玻色子的信号进行预测，并采用准确率评估指标对模型性能进行评估。
百度智能云千帆大模型平台初体验 千帆社区
首先进入百度百度智能云官网 百度智能云千帆大模型 (baidu.com) 产品功能十分丰富 覆盖大模型全生命周期 更全面更全面 提供数据标注，模型训练与评估，推理服务与应用集成的全面功能服务 训练与推理性能大幅提升 更高效更高效 MLPerf榜单训练性能世界领先，千亿模型分布式并行训练加速能力和算力利用率大幅提升 快速应用编排与插件集成 更开放更开放 预置百度文心大模型与第三方大模型，支持插件与应用灵活编排
百度智能云千帆大模型平台初体验 千帆社区
首先进入百度百度智能云官网 百度智能云千帆大模型 (baidu.com) 产品功能十分丰富 覆盖大模型全生命周期 更全面更全面 提供数据标注，模型训练与评估，推理服务与应用集成的全面功能服务 训练与推理性能大幅提升 更高效更高效 MLPerf榜单训练性能世界领先，千亿模型分布式并行训练加速能力和算力利用率大幅提升 快速应用编排与插件集成 更开放更开放 预置百度文心大模型与第三方大模型，支持插件与应用灵活编排
百度智能云千帆大模型平台_公有云 V1.4.4版本更新 千帆社区
百度自研的旗舰级超大规模⼤语⾔模型，2024年6月28日首次发布， 综合效果表现出色，广泛适用于各领域复杂任务场景；支持自动对接百度搜索，保障问答信息时效 ，模型接口文档： https://dwz.cn/7P2IOvwR ERNIE AppBuilder系列模型发布的新版本，新增ERNIE-Lite-Appbuilder-8K专用版模型及预置服务，相较于ERNIE-Speed-Appbuilder模型服务 性能表现更优
AI Job Scheduler组件 - 容器引擎CCE | 百度智能云文档
AI Job Scheduler组件 AI Job Scheduler组件，包含关键指标总览、队列排队总览、集群/队列超限总览、Pod调度性能总览、任务调度性能总览、调度器调度阶段延迟总览。 前提条件 已安装CCE AI Job Scheduler组件且版本 >= 1.7.9 已接入监控实例 需启用采集任务,具体参考文档： 接入监控实例并启用采集任务 使用方法 登录 容器引擎CCE控制台 。
数据流动（标准型、增强型和极速型） - 并行文件存储PFS | 百度智能云文档
无论是导入（将BOS数据导入到PFS）还是导出（将PFS数据导出到BOS），数据传输速率均与“PFS实例性能、BOS带宽、文件大小 有关。其中： PFS实例性能随购买容量线性扩展。详见： 产品规格 。 BOS带宽：BOS 对单 Bucket 设置的内网带宽阈值为 50 Gbit/s (约6GBps)。详见： BOS使用限制 。
[AI行业案例]-EasyDL物体检测实现公共空间能效管理
对比旧的产品模型，EasyDL模型在同样场景下的识别精度提高了17%，显著提升空间传感器物体识别的精准度，减少对终端设备（空调，灯光，新风等）的性能要求。目前，公共开放空间综合识别率达到91%，内存需求也缩减到1G以内。 在客户部署系统完成后，极大降低了保安、保洁和物业人员巡检的次数。对比以前，现在他们已经完全不需要干预空调，照明，新风等公共设备。
SFT_大模型微调_大模型优化_大模型评估千帆社区
在对标记的数据集上可以获得更好的性能。 大模型开发 / 技术交流 LLM 文心大模型 SFT 4 5 赞过 1 评论 5444 看过 neo 为什么SFT后LLM的性能变得更好了？
