-
准备算法简介 - AI开发平台ModelArts
选择算法的实现方式 ModelArts提供如下方式实现模型训练。 使用订阅算法 ModelArts的AI Gallery,发布了较多官方算法,同时管理了其他开发者分享的算法,不需要进行代码开发,即可使用现成的算法进行模型构建。订阅操作请参考使用订阅算法。 使用预置框架 如果您需要使用
-
创建算法 - AI开发平台ModelArts
进入创建算法页面 登录ModelArts管理控制台,单击左侧菜单栏的“算法管理”。 在“我的算法”管理页面,单击“创建”,进入“创建算法”页面。 设置算法基本信息 填写算法的基本信息,包含“名称”和“描述”。 设置算法启动方式 选择“预置框架”创建算法。 用户需根据实际算法代码情况
-
算法工程环境管理 - AI开发平台ModelArts
算法工程环境管理 EnvManager是针对于AI开发套件工程化管理的抽象,主要用于创建算法工程、查看算法/模型/数据集等资产、安装依赖环境、切换工作路径等。 创建算法工程 from modelarts.algo_kits import EnvManager env = EnvManager()
-
创建算法 - AI开发平台ModelArts
String 算法api版本,标识新旧版。 is_valid String 算法可用性。 state String 算法状态。 tags Array of Map<String,String> objects 算法标签。 attr_list Array of strings 算法属性列表。
-
创建算法工程 - AI开发平台ModelArts
创建算法工程 ma-cli是基于cookiecutter开发的用于管理工程的命令行工具,它支持创建一个算法模板工程并一键式安装ModelArts算法套件等。 了解算法工程模板 算法工程模板结构如下: your-project-name ├── algorithms
-
订阅算法 - AI开发平台ModelArts
者分享的算法。为了使用他人或者ModelArts官方分享的算法,您需要将AI Gallery的算法订阅至您的ModelArts中。 查找算法 订阅算法 查找算法 为了获得匹配您业务的算法,您可以通过多个入口区查找算法。 在ModelArts控制台,“算法管理>我的订阅”中,单击“订阅更多算法”,可跳转至“AI
-
删除算法 - AI开发平台ModelArts
删除算法 删除我的算法 在“算法管理 > 我的算法”页面,“删除”运行结束的训练作业。您可以单击“操作”列的“删除”,在弹出的提示框中单击“确认”,删除对应的算法。 删除订阅算法 前往AI Gallery,在“我的资产 > 算法”中,单击我的订阅,对需要删除的算法单击“取消订阅”,在弹出的提示框中单击“确认”即可。
-
删除算法 - AI开发平台ModelArts
删除算法 功能介绍 删除算法。 调试 您可以在API Explorer中调试该接口,支持自动认证鉴权。API Explorer可以自动生成SDK代码示例,并提供SDK代码示例调试功能。 URI DELETE /v2/{project_id}/algorithms/{algorithm_id}
-
查看算法详情 - AI开发平台ModelArts
查看算法详情 登录ModelArts管理控制台。 在左侧导航栏中,选择“算法管理”,进入“我的算法”页面。 在“我的算法”列表中,单击算法名称进入详情页。 选择“基本信息”页签可以查看算法信息。 表1 算法基本信息 参数 说明 名称 算法的名称。 ID 算法的唯一标识。 描述 算法的简介。
-
算法开发套件简介 - AI开发平台ModelArts
模块化设计:用户可基于算法框架规范构建自定义的算法资产并发布到ModelArts。 算法开发套件还支持用户在Notebook中用Python API进行交互式、参数化、低代码的开发方式快速完成算法验证与实践,使用指导请参考通过Python API使用算法套件。 父主题: 算法开发套件
-
使用订阅算法 - AI开发平台ModelArts
算法,您需要将AI Gallery的算法订阅至您的ModelArts中。 查找算法 为了获得匹配您业务的算法,您可以通过多个入口区查找算法。 在ModelArts控制台,“算法管理>我的订阅”中,单击“前往AI Gallery订阅更多算法”,可跳转至“AI Gallery”页面,查找相应的算法。
-
查找算法 - AI开发平台ModelArts
查找算法 ModelArts提供查找算法功能帮助用户快速查找算法。 操作一:按照名称、镜像、代码目录、描述、创建时间筛选的高级搜索。 操作二:单击右上角“刷新”图标,刷新算法列表。 操作三:自定义列功能设置。 图1 查找算法 如果需要对算法排序,可单击表头中的箭头进行排序。 父主题:
-
通过Python API使用算法套件 - AI开发平台ModelArts
通过Python API使用算法套件 算法开发套件支持用户在Notebook中用python API进行交互式、参数化、低代码的开发方式快速完成算法验证与实践。当前目标检测类套件("mmdetection", "ivgDetetcion")支持通过API的方式使用。 算法工程环境管理 创建数据集
-
查询预置算法 - AI开发平台ModelArts
查询预置算法 功能介绍 查看预置模型的详情。 URI GET /v1/{project_id}/built-in-algorithms 参数说明如表1所示。 表1 参数说明 参数 是否必选 参数类型 说明 project_id 是 String 用户项目ID。获取方法请参见获取项目ID和名称。
-
TPE算法 - AI开发平台ModelArts
TPE算法 TPE算法全称Tree-structured Parzen Estimator,是一种利用高斯混合模型来学习超参模型的算法。在每次试验中,对于每个超参,TPE为与最佳目标值相关的超参维护一个高斯混合模型l(x),为剩余的超参维护另一个高斯混合模型g(x),选择l(x)
-
部署 - AI开发平台ModelArts
部署 部署命令 部署脚本参考 调用部署服务进行推理 删除已发布模型和在线服务 父主题: 算法开发套件命令说明
-
更新算法 - AI开发平台ModelArts
String 算法api版本,标识新旧版。 is_valid String 算法可用性。 state String 算法状态。 tags Array of Map<String,String> objects 算法标签。 attr_list Array of strings 算法属性列表。
-
准备算法 - AI开发平台ModelArts
准备算法 准备算法简介 使用订阅算法 使用预置框架(自定义脚本) 使用自定义镜像 查看算法详情 查找算法 删除算法
-
FM算法 - AI开发平台ModelArts
FM算法 概述 FM主要是解决稀疏数据下的特征组合问题,并且其预测的复杂度是线性的,对于连续和离散特征有较好的通用性。 公式为: 输入 参数 子参数 参数说明 inputs dataframe inputs为字典类型,dataframe为pyspark中的DataFrame类型对象
-
发布免费算法 - AI开发平台ModelArts
发布免费算法 在AI Gallery中,您可以将个人开发的算法免费分享给他人使用。 前提条件 在ModelArts的算法管理中已准备好待发布的算法。创建算法的相关操作请参见创建算法。 创建算法时,算法代码存储的OBS桶内不能存在文件和文件夹重名的情况,这样算法可能会发布失败。如果算法发布成功,则代码开放会失败。