配置视觉任务 配置训练集及评测集 配置训练集 在添加任务备注后,在添加数据的位置选择添加训练集。 可选的数据集要求如下: 数据集标注类型与项目类型一致,如同为图像分类-单图单标签/物体检测-矩形框标注等 数据集数据量不为0; 数据集状态非智能标注中,非导入中 数据集状态支持导入多个数据集的多个标签, 如果选择标签名称一
批量预测服务 批量预测是一种进行批量数据推理的方式。用户可以上传批量数据进行推理,在数据处理完成后自动停止。支持设置定时循环任务。 批量预测服务的入口在公有云部署的tab下,点击新建预测即可进入填写批量预测服务的详细表单。 批量预测中提供了定时运行的服务,在填写表单中您可以按照任务需求,按照分钟、小时、天、周、月的维度
配置休眠策略 公有云部署支持休眠策略,从而实现服务的自动休眠,以帮助用户减少支出。 前提条件 已创建的在线服务支持配置休眠策略。 操作步骤 在左侧导航栏中选择“模型部署”>“公有云部署”。 在服务列表页中,单击已创建服务所在行的“设置休眠策略”。 配置休眠策略,如下图所示: 单击“确定”完成配置。
配置NLP任务 在新建任务的面板中,可查看相关项目“基本信息”、“配置任务类型”、“添加数据”、“配置任务”等操作,如下图: 配置任务类型时,您可以看到增量训练有一个开关选项。增量训练也成为模型热启动,当您训练完模型但效果不理想想继续添加数据,或您的训练模型超过训练时长被中断是,您可以开启增量训练,使该新任务能在基准任
查看训练结果 在脚本调参任务训练完成后,可以查看任务结果。 在BML左侧导航栏中单击“脚本调参”,进入脚本调参列表页面。 在脚本调参表单中单击“任务列表”,可以进入其任务列表页面,如下所示: 在任务列表中,单击评估报告,可以查看该任务生成的模型的报告信息,如下所示:
010-NLP算法 NLP算法 Bert命名实体识别 BERT 采用了 Transformer Encoder 的模型来作为语言模型,Transformer模型完全抛弃了 RNN/CNN 等结构,而完全采用 Attention 机制来进行 input-output 之间关系的计算。 Fine-tuning 方式是指在已
查看训练结果 当平台跑完NLP任务后,您可以点击“模型效果”进行查看 您可以选择对应任务的不同版本,查看不同的效果数据,如图,当前是V1版本的效果数据: 效果校验 平台提供了针对模型的校验工具,您可以通过上传文本,了解如何模型的识别效果,从而对模型进行校验 文本分类模型校验 您可以上传文本文件(txt格式),也可以直接
002-开始训练 运行 您在画布中配置好算子组件以及参数后,需点击画布上方的“运行”按钮,一键训练模型。
创建NLP任务 一个项目是指对应的一个场景或者领域的问题,例如智能客服场景、智能教育场景等。在BML中,提供了文本分类单标签、文本分类多标签、短文本相似度、序列标注、文本实体抽取任务的模型训练能力。本章节将通过演示,如何创建一个自然语言处理任务来完成问文本分类的任务。 在BML的控制面板左侧,打开【预制模型调参】,并点
006-回归算法 回归算法 DecisionTree回归 决策树(DecisionTree)回归是基于回归树的决策树模型。一个回归树对应着输入空间(特征空间)的一个划分以及在划分单元上的输出值。输入空间的划分是通过遍历所有输入变量,找到最优的切分变量和最优的切分点,将输入空间划分为两部分,然后重复这个操作得到;划分单元