数据湖管理与分析平台EasyDAP

自动超参搜索配置参考 在深度学习建模过程中，除了大规模的数据集，超参数调节也显著影响模型效果。即使对于有经验的算法工程师，有时候也很难把握调节超参数的规律，而对于初学者来说，要花更多的时间和精力。 自动超参搜索应用超参搜索策略，对模型的超参数进行自动调优，在配置训练任务的页面，完成数据集的配置后，可以选择使用自动超参搜索进行配置。

查看更多>>

以下为具体的系统、硬件环境支持： 操作系统 系统支持 硬件环境要求 Linux C++ CPU: AArch64 ARMv7l Windows 64位 Windows7 及以上 Intel CPU x86_64 环境依赖： .NET Framework 4.5 Visual C++ Redistributable Packages for Visual Studio 2013 Visual C++

查看更多>>

测试前的准备 Linux ARM的硬件及开发环境 详情参考下方文档 EasyDL平台的Linux ARM SDK 以图像分类为例，前往 操作台 训练模型后，选择发布为Linux ARM的通用设备端SDK，发布成功后即可从平台下载 用于激活通用设备端SDK的序列号 前往 控制台 申请用于激活通用设备端SDK的序列号 首次使用SDK或者更换序列号、更换设备时，需要联网激活。

查看更多>>

字段 类型 取值 说明 confidence float 0~1 分类或检测的置信度 label string 分类或检测的类别 index number 分类或检测的类别 x1, y1 float 0~1 物体检测，矩形的左上角坐标 (相对长宽的比例值) x2, y2 float 0~1 物体检测，矩形的右下角坐标（相对长宽的比例值） mask string/numpy.ndarray 图像分割的

查看更多>>

超参数配置参考 超参来源 目前BML脚本调参任务类型支持三种方法配置任务中网络的超参数，你可以沿用「脚本编辑」中设定的超参数，为获取更高的模型精度，也可以选择「自动超参搜索」对网络的超参数进行搜索。选择「已有超参搜索结果」时，可以在预训练模型和预训练网络相同的任务中，复用自动超参搜索结果，高效地训练出高精度模型。

查看更多>>

从本地导入模型 在新建版本时可以导入本地模型。 前提条件 已创建模型，且该模型的模型来源为“本地上传”。 操作步骤 在左侧导航栏中选择“模型仓库”>“模型管理”。 在模型列表页中，单击“来源”为“本地上传”的模型所在行的“新建版本”，进入“新建版本”页面。 根据页面提示填写相关信息以及上传文件： 对于图像分类、物体检测在上传文件时以及提交时进行文件校验，如校验出错，请根据提示进行修改。

查看更多>>

声音分类训练时长说明 训练时长与数据量、所选算法紧密相关。 目前 声音分类的训练时长主要影响因素为数据量 ，以下为内部测试的数据量与训练时长的对应关系，供参考： 数据量 训练时长 数十个音频 60min左右 数百个音频 90min左右 数千个音频 120min左右 数万个音频 150min以上

查看更多>>

训练时长设置参考 运行环境说明 目前 BML 支持选择GPU P4、GPU P40、GPU V100三种运行环境，性能从高到低为V100＞P40＞P4。

查看更多>>