-
JupyterLab简介及常用操作 - AI开发平台ModelArts
JupyterLab是一个交互式的开发环境,是Jupyter Notebook的下一代产品,可以使用它编写Notebook、操作终端、编辑MarkDown文本、打开交互模式、查看csv文件及图片等功能。 可以说,JupyterLab是开发者们下一阶段更主流的开发环境。JupyterLab具有和Jupyter
-
保存模型 - AI开发平台ModelArts
保存模型 概述 保存spark pipeline类型的模型到本地文件系统。 输入 参数 子参数 参数说明 inputs pipeline_model inputs为字典类型,pipeline_model为pyspark中的PipelineModel对象 输出 无 参数说明 参数 子参数
-
查询算法详情 - AI开发平台ModelArts
"job_config" : { "code_dir" : "/algo-test/pytorch/work1/code/", "boot_file" : "/algo-test/pytorch/work1/code/test-pytorch.py", "command" : ""
-
从OBS目录导入的规范说明 - AI开发平台ModelArts
xml 标注文件的示例如下所示: 文本分类 文本分类支持导入“txt”和“csv”两种文件类型,文本的编码格式支持“UTF-8”和“GBK”。 文本分类的标注对象和标注文件有2种存放模式。 文本和标注合并:文本分类的标注对象和标注内容在一个文本文件内,标注对象与标注内容之间,多个标注内容之间可分别指定分隔符。
-
创建标注作业 - AI开发平台ModelArts
”的标识。 文本(文本分类、命名实体、文本三元组) 图5 文本分类、命名实体、文本三元组类型的参数 表3 文本类型标注作业的详细参数 参数名称 说明 数据集名称 选择支持当前标注类型的数据集。 添加标签集(文本分类、命名实体) 设置标签名称:在标签名称文本框中,输入标签名称。长度为1~1024字符。
-
文本分类 - AI开发平台ModelArts
文本分类 准备数据 创建项目 数据标注 模型训练 部署上线 父主题: 自动学习(新版)
-
文本分类 - AI开发平台ModelArts
文本分类 准备数据 创建项目 数据标注 模型训练 部署上线 父主题: 自动学习(旧版)
-
批量添加样本 - AI开发平台ModelArts
11:图像的目标框数量与训练数据集的特征分布存在较大偏移。 12:图像中目标框的面积标准差与训练数据集的特征分布存在较大偏移。 13:图像中目标框的高宽比与训练数据集的特征分布存在较大偏移。 14:图像中目标框的面积占比与训练数据集的特征分布存在较大偏移。 15:图像中目标框的边缘化程度与训练数据集的特征分布存在较大偏移。
-
推理服务测试 - AI开发平台ModelArts
推理服务测试 推理服务在线测试支持文件、图片、json三种格式。通过部署为在线服务Predictor可以完成在线推理预测。 示例代码 在ModelArts notebook平台,Session鉴权无需输入鉴权参数。其它平台的Session鉴权请参见Session鉴权。 场景:部署在线服务Predictor的推理预测
-
团队标注简介 - AI开发平台ModelArts
队标注功能,可以由多人组成一个标注团队,针对同一个数据集进行标注管理。 团队标注功能当前仅支持“图像分类”、“物体检测”、“文本分类”、“命名实体”、“文本三元组”、“语音分割”类型的数据集。 针对启用团队标注功能的数据标注任务,支持创建团队标注任务,将标注任务指派给不同的团队,
-
管理可视化作业 - AI开发平台ModelArts
动停止可视化作业。目前支持设置为“1小时后”、“2小时后”、“4小时后”、“6小时后”、“自定义”。如果选择“自定义”的模式,可在右侧输入框中输入1~24范围内的任意整数。 图1 创建可视化作业 参数填写完成后,单击“下一步”进行规格确认。 规格确认无误后,单击“立即创建”,完成可视化作业的创建。
-
从OBS读取模型 - AI开发平台ModelArts
从OBS读取模型 概述 从OBS(对象存储服务)中读取模型文件。 输入 无 输出 模型 参数说明 参数 参数说明 obs_model_path OBS中模型文件的绝对路径,模型文件必须是spark pipeline model文件 样例 params = { "obs_model_path":
-
获取智能任务的信息 - AI开发平台ModelArts
0:图像 1:文本 2:语音 4:表格 6:视频 9:自由格式 sample_usage String 样本用处。可选值如下: TRAIN:训练 EVAL:验证 TEST:测试 INFERENCE:推理 source String 样本数据源地址,通过调用样本列表接口获取。 worker_id
-
运行第一条Workflow - AI开发平台ModelArts
议进行修改,使用同一个标注任务进行数据标注。 训练相关参数配置 算法超参相关的配置,建议直接使用默认值。每个参数的具体含义已在控制台界面输入框下方说明。 模型注册参数配置 配置生成的模型名称,工作流多次运行使用同一个模型名称会自动新增版本。 工作流运行完成后用户可以在ModelA
-
访问边缘服务 - AI开发平台ModelArts
参数填写完成,单击“Send”发送请求,结果会在Response下的对话框里显示。 文件输入形式的预测结果样例如图4所示,返回结果的字段值根据不同AI应用可能有所不同。 图4 边缘服务文件输入预测结果 文本输入形式的预测结果样例如图5所示,请求体包含“meta”及“data”。如输入请求中包含“uuid”,则输出结果
-
查询单个样本信息 - AI开发平台ModelArts
11:图像的目标框数量与训练数据集的特征分布存在较大偏移。 12:图像中目标框的面积标准差与训练数据集的特征分布存在较大偏移。 13:图像中目标框的高宽比与训练数据集的特征分布存在较大偏移。 14:图像中目标框的面积占比与训练数据集的特征分布存在较大偏移。 15:图像中目标框的边缘化程度与训练数据集的特征分布存在较大偏移。
-
查询样本列表 - AI开发平台ModelArts
11:图像的目标框数量与训练数据集的特征分布存在较大偏移。 12:图像中目标框的面积标准差与训练数据集的特征分布存在较大偏移。 13:图像中目标框的高宽比与训练数据集的特征分布存在较大偏移。 14:图像中目标框的面积占比与训练数据集的特征分布存在较大偏移。 15:图像中目标框的边缘化程度与训练数据集的特征分布存在较大偏移。
-
更新团队标注验收任务状态 - AI开发平台ModelArts
11:图像的目标框数量与训练数据集的特征分布存在较大偏移。 12:图像中目标框的面积标准差与训练数据集的特征分布存在较大偏移。 13:图像中目标框的高宽比与训练数据集的特征分布存在较大偏移。 14:图像中目标框的面积占比与训练数据集的特征分布存在较大偏移。 15:图像中目标框的边缘化程度与训练数据集的特征分布存在较大偏移。
-
发布免费算法 - AI开发平台ModelArts
修改封面图和二级标题 编辑标签 单击标签右侧的出现标签编辑框,在下拉框中勾选该资产对应的标签。 单击编辑框右侧的对勾完成编辑。 保存成功的标签信息会在资产搜索页成为过滤分类条件。 图2 添加标签 编辑描述 单击右侧的“编辑”,在编辑框中输入资产的描述内容,包含但不局限于背景、简介、使用方法
-
导出数据到OBS - AI开发平台ModelArts
在“数据集概览页”,单击右上角“导出 ”。在弹出的“导出”对话框中,填写相关信息,然后单击“确定”,开始执行导出操作。 “数据来源”:选择OBS。 “保存路径”:即导出数据存储的路径。建议不要将数据存储至当前数据集所在的输入路径或输出路径。 图1 导出到OBS 数据导出成功后,您可以