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
标准接口规范参考 脚本调参和Notebook训练方式产出的模型部署到公有云时,不同任务类型的应用接口的请求与响应均满足响应的标准规范。 图像分类-单图单标签 标准接口请求参考说明: 字段名称 必须 类型 说明 image 是 string 图像数据,base64编码,要求base64编码后大小不超过4M,最短边至少15
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
文字识别任务简介 文字识别模型类型 文字识别模型即是常说的OCR模型,预置模型调参目前提供了通用的全文本识别场景,可以应对常规的文字识别任务,且支持多种文字。 文字识别模型应用场景 纸质文档电子化 通用文字识别模型支持针对多语种的纸质文档进行电子化,开发者可以采集文档图片并标注,对模型进行训练,从而实现纸质文档的自动电
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 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
AIAK- Training Pytorch版 AIAK-Training 简介 AI 加速套件AI Accelerate Kit是基于百度云 IAAS 资源推出的 AI 加速能力,可用来加速基于 PyTorch 等深度学习框架的 AI 应用,详情可进一步查看 AI加速套件-AIAK 简介 。 应用场景 AIAK-Tr
yaml文件编写规范 yaml文件编写规范 如下所示是进化算法pbt的yaml文件配置示例: yaml文件中主要分为四大部分: 搜索算法参数: algo:指定选择的搜索策略,下表为各种搜索算法对应的字段。 搜索策略 英文字段 随机搜索 RANDOM_SEARCH 贝叶斯搜索 TPE_SEARCH 进化算法 PBT_SE
如何发布私有API 训练完毕后,可以在左侧导航栏中找到【EasyEdge本地部署】,选择通用【服务器】,点击【发布新服务】,进入发布界面。 step1.部署方式选择服务器,集成方式选择私有API后,选择需要发布的模型及版本,上传指纹文件,勾选业务场景需要的操作系统与硬件芯片。设置完毕点击下一步 step2. 填写完基本
Sklearn 0.23.2 Sklearn sklearn框架下,自定义作业支持发布保存模型为 pickle 和 joblib 格式,并且在发布至模型仓库时需要选择相应的模型文件。使用下面代码进行模型训练时,训练程序可以自行加载数据,训练数据选择空文件夹即可。 pickle格式模型示例代码: Python 复制 1