013-模型评估组件 - BML 全功能AI开发平台 | 百度智能云文档
013-模型评估组件 模型评估组件 二分类评估 评估模块支持计算 AUC、KS 及 F1 score，同时输出数据用于画 PR 曲线、ROC 曲线、KS 曲线、LIFT chart、Gain chart，同时也支持分组评估。 输入 最多可输入4个数据集，用户需要选择原始标签列、预测标签列和正样本标签值，还可以提供sco
007-异常检测算法 - BML 全功能AI开发平台 | 百度智能云文档
007-异常检测算法 异常检测算法 IsolationForest 在高维数据集中实现异常值检测的一种有效方法是使用随机森林。隔离森林（IsolationForest）通过随机选择特征然后随机选择所选特征的最大值和最小值之间的分割值来隔离观测。 由于递归划分可以由树形结构表示，因此隔离样本所需的分割次数等同于从根节点到
视觉预训练模型 - BML 全功能AI开发平台 | 百度智能云文档
视觉预训练模型 图像分类模型 图像分类网络包含了基于飞桨深度学习平台模型库的十四种预训练网络，利用海量数据进行预训练，并且在ImageNet-2012数据集上进行了top-1准确率和cpu测试时间的测试。 详细测试数据 预训练模型 预训练网络 top-1准确率 cpu测试时间(ms) 模型特点 公开数据集常规预训练模型
006-组件列选择 - BML 全功能AI开发平台 | 百度智能云文档
006-组件列选择 在选择特征列或标签列时，支持单独勾选与批量选择的方式选择数据列，支持搜索查找数据列。 当需要选择的数据列比较少时，可以直接勾选数据列进行选择。 当数据列比较多时，点击【批量操作】后，选择需要的数据列，将数据列从左侧列表移动到右侧列表，点击确定即可， 数据列已经按照字段类型进行了分类 。 如果只需要在
配置AB测试版本 - BML 全功能AI开发平台 | 百度智能云文档
配置AB测试版本 BML在线服务中，同一服务支持同时部署两个模型上线，并且可以自由的调节流量分配占比 前提条件 已创建的在线服务，处于 运行中 状态时，允许添加一个AB测试版本模型上线 操作步骤 在左侧导航栏中选择“模型部署”>“在线服务” 服务列表中，对于处于 运行中 状态的服务，点击 新增版本 ，添加AB测试版本
004-查看特征重要性 - BML 全功能AI开发平台 | 百度智能云文档
004-查看特征重要性 对于LR二分类、LR多分类、广义线性回归、XGBoost二分类、XGBoost多分类、XGBoost回归等算子组件，支持 在算子运行成功后 ，查看其重要特征。 实验运行成功后，鼠标右键点击相应的算子组件，如“XGboost多分类“，选择“查看特征重要性”，即可显示前50个重要的特征。 如需查看全
Pytorch 1.7.1 - BML 全功能AI开发平台 | 百度智能云文档
Pytorch 1.7.1 Pytorch 训练代码 基于Pytorch框架的MNIST图像分类示例代码，数据集请点击 这里 下载。 单机训练时（计算节点等于1），示例代码如下： Python 复制 1 import argparse 2 import torch 3 import torch . nn as nn 4
导入已标注数据 - BML 全功能AI开发平台 | 百度智能云文档
导入已标注数据 目录 导入已标注数据方式说明 从已有数据集导入已标注数据 查看已标注数据 导入已标注数据方式说明 如果您已有标注好的数据，支持快速导入到BML，方便直接进入后续训练环节。 实例分割任务向选定的数据集导入已标注好的数据目前支持一种方式: 将其他数据集已经标注好的数据导入 从已有数据集导入已标注数据 从已有
从本地导入模型 - BML 全功能AI开发平台 | 百度智能云文档
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
超参数配置参考 - BML 全功能AI开发平台 | 百度智能云文档
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。 自动
