地图-功能介绍:模型训练

时间:2025-02-12 14:52:48

模型训练

模型训练多维度可视化监控,包括训练精度/损失函数曲线、GPU使用率、训练进度、训练实时结果、训练日志等。

图15 训练指标和中间结果可视化

图16 训练过程资源监控

  • 支持多机多卡环境下的模型分布式训练,大幅度提升模型训练的速度,满足海量样本数据加速训练的需求。
图17 支持训练过程多个GPU运行指标监控

  • 支持在线模型评估,在不进行模型发布的前提下直接查看模型解译的效果,支持上传文件、WMTS和WMS图层进行模型评估。
  • 集成主流深度学习框架,包括PyTorch,TensorFlow,Jittor,PaddlePaddle等,内置经典网络结构并支持用户自定义上传网络,同时,针对遥感影像多尺度、多通道、多载荷、多语义等特征,内置遥感解译专用模型,支持用户进行预训练和解译应用。
图18 部分深度学习模型参数

  • 一键式模型部署和API发布,提供深度学习模型的快速部署功能,支持GPU资源分配、弹性扩容、模型迭代发布、应用监控和统计分析,轻松实现AI能力服务化。
图19 模型部署发布平台

  • 平台基于模型训练结果,面向典型业务场景与应用需求,可提供遥感影像在线智能解译能力,包括遥感影像的单景解译及批量解译,提供解译结果可视化展示以统计分析。
图20 面向业务场景的遥感影像在线单景智能解译

图21 面向业务场景的遥感影像在线批量(右)智能解译

图22 解译结果统计分析
support.huaweicloud.com/pie-engine-mapslt/pie-engine_11.html