Dapp架构及概要设计 - 超级链BaaS平台 | 百度智能云文档
无论在服务端我们用了什么负载均衡、容器化等技术，又无论客户端用户用的是浏览器还是一个API构造器。实质上所有的客户都将通过请求我们部署的服务器暴露的HTTP接口来访问应用。在服务器上，我们写的web应用程序会再做一些数据操作，比如对数据库或缓存做CRUD操作，最终将结果反馈给客户端。 这个B/S架构如此流行，是因为它适用于绝大多数应用场景。
视图库接入说明 - 智能视联网平台EVS | 百度智能云文档
出于安全考虑，EVS视图库的数据操作接口采用请求签名机制； 对于每个HTTP请求，使用下面描述的算法生成一个认证字符串，提交请求的header中必须包含三个字段： User-Identify ：1400协议视图唯一编码； expiredTime ：签名过期绝对时间，格式为13位毫秒级时间戳； token ：用户生成的认证字符串，生成算法见下面； 在服务端验证签名时，会重复签名算法计算出 token
发起训练 - EasyDL零门槛AI开发平台 | 百度智能云文档
如何选择部署方式 选择设备 如果您选择了「EasyEdge本地部署」，请根据实际部署设备选择 如果您选择了「公有云部署」，无需选择设备 选择算法 您可以根据训练的需求，选择「高精度」或「高性能」算法。不同的算法将影响训练时间、预测速度与模型准确率。 如果您选择了高精度的模型，模型预测准确率将更高。
发起训练 - EasyDL零门槛AI开发平台 | 百度智能云文档
如何选择部署方式 选择设备 如果您选择了「EasyEdge本地部署」，请根据实际部署设备选择 如果您选择了「公有云部署」，无需选择设备 选择算法 您可以根据训练的需求，选择「高精度」或「高性能」算法。不同的算法将影响训练时间、预测速度与模型准确率。 如果您选择了高精度的模型，模型预测准确率将更高。如果您手中的标注数据集样本较少（例如少于1000条），可选择「高精度」的算法。
快速部署推理服务 - 百度百舸 · AI计算平台 | 百度智能云文档
选择是否开启云原生AI网关，开启时，AI网关仅支持HTTP请求，网络资源成本更低；关闭后，将通过负载均衡接入HTTP、GRPC、TCP、WebSocket请求。 选择是否开启公网访问，服务内部默认与公网不通，若需要公网访问到该服务，请开启公网访问配置访问方式，选择一个弹性公网IP。 根据需要选择高级配置。
发起训练 - EasyDL零门槛AI开发平台 | 百度智能云文档
选择算法 您可以根据训练的需求，选择「高精度」或「高性能」算法。不同的算法将影响训练时间、预测速度与模型准确率。 如果您选择了高精度的模型，模型预测准确率更高，少于1000条样本同样有很好的效果。使用高精度的算法训练模型将会耗时更久，实验环境下1000个样本，预计在20-60分钟左右完成训练 高性能算法即将对外提供。 相同训练数据量的情况下，训练耗时更短，模型预测速度更快。
音视频直播LSS价格详情
云服务器BCC 专属服务器DCC GPU云服务器 弹性裸金属服务器 云手机 应用引擎 BAE 轻量应用服务器LS 弹性公网IP 私有网络 VPC 负载均衡 BLB 智能云解析 DNS 专线ET 云智能网 CSN 云防火墙 CFW 对象存储 BOS 文件存储 CFS 云磁盘 CDS 存储网关BSG 表格存储 TableStorage 边缘计算节点 BEC 数据流转平台CloudFlow 内容分发网络
AutoDL模式开发 - EasyDL零门槛AI开发平台 | 百度智能云文档
SDK 模型SDK适配设备类型详见 AotuDL模式算法适配硬件 选择算法 高精度： 相同训练数据情况下，训练出的模型准确率更高，训练及预测耗时更长，模型体积更大 高性能： 相同训练数据情况下，较高精度算法，训练及预测耗时更短，模型准确率平均比高精度算法低3%~5% 超高性能： 相对高性能算法，模型体积更小，CPU环境预测速度提升近60%，GPU环境预测速度提升近10% 模型精度与训练数据量的大小、
Lucky平台介绍 - 边缘服务器ECS | 百度智能云文档
视频管理 视频预览：支持查看设备原始流、合成流视频的预览； 算法识别区域绘制：支持在视频画面上自由绘制AI算法的识别区域，不同算法可以设置不同的识别区域，并支持修改； 视频列表：根据筛选条件，展示相关的设备视频列表，包括设备名称、原始流画面、合成流画面、全屏查看、位置信息等。
图像分类训练操作说明 - EasyDL零门槛AI开发平台 | 百度智能云文档
每个算法旁边有一个小问号，可以查看详细说明。 例如：选择「公有云API」后，可以在「高精度」、「高性能」、「AutoDL Transfer」3种算法中选择。鼠标移动到「AutoDL Transfer」右侧的问号上，可以看到对AutoDL算法的详细说明。 高精度模型在识别准确率上表现较好，但在识别速度上表现较弱。高性能模型反之。
