人工神经网络
人工神经网络（Artificial Neural Network，缩写ANN），简称神经网络或类神经网络，是一种模仿生物神经网络（动物的中枢神经系统，特别是大脑）的结构和功能的数学模型或计算模型，用于对函数进行估计或近似。人工神经网络有多层和单层之分...
什么是工业视觉智能
工业视觉智能将阿里云基于工业各场景中的最佳实践所获得的预训练模型与用户实际场景中的样本数据结合，通过用户样本数据的训练对模型进行定制优化，从而适配用户实际使用场景。通过API及SDK供用户在线或离线部署调用。工业视觉智能基于...
Kohya使用方法与实践案例
LoRA模型训练方式速度较快，模型文件大小适中，对训练的配置要求较低。Kohya是当前应用比较广泛的训练LoRA模型的开源服务。Kohya's GUI是一个程序包，整合了训练需要用到的环境，提供可以用于模型训练的用户界面，所有动作都在自身环境中...
概述
矩阵分解、深度神经网络模型等算法都可以生成用户和物品的embedding向量，然而常规的模型还是需要依赖用户和物品的交互行为数据来建模，并不能很好地泛化到冷启动的用户和物品上。现在也有一些可以用来为冷启动用户和物品生成embedding向量...
AdagradDecay Optimizer
背景信息 超大规模模型的训练样本通常在10亿规模以上，且持续增量训练时间在一个月以上。为解决该问题，PAI-TF推出AdagradDecay优化器。开启AdagradDecay Optimizer优化器 使用AdagradDecay Optimizer优化器进行超大规模训练，需要定义 tf....
安全联邦学习-工作流FL
三、安全联邦学习已支持的能力 用途 算法分类 已支持算法 分类 决策树 XGBoostWithDp GBDTWithDp 逻辑回归 LogisticRegressionWithHe 神经网络 神经网络MLP 回归 线性回归 LinearRegressionWithHe 神经网络 神经网络MLP 四、如何进行安全...
横向MLP二分类/MLP多分类/MLP回归
多层感知机是一种前馈神经网络，通过多个神经元的组合对输入特征进行非线性变换和特征提取，最终输出一个连续的预测结果。在训练过程中，利用反向传播算法（Backpropagation）和梯度下降算法（Gradient Descent）来优化模型参数，以最小化...
MLP二分类/MLP多分类/MLP回归
多层感知机是一种前馈神经网络，通过多个神经元的组合对输入特征进行非线性变换和特征提取，最终输出一个连续的预测结果。在训练过程中，利用反向传播算法（Backpropagation）和梯度下降算法（Gradient Descent）来优化模型参数，以最小化...
PAI-TF概述
背景 TensorFlow是Google最新的开源深度学习计算框架，支持CNN、RNN及LSTM等多种神经网络模型，对语音、图像及文本等领域的模型训练效率极佳。TensorFlow的功能丰富且强大，并拥有高度灵活的API，受到业界的高度关注。PAI-TF是人工智能平台...
使用OSS中的数据作为机器学习的训练样本
本文介绍如何将对象存储OSS里面的数据作为 PAI 的训练样本。说明 本文由 龙临@阿里云 提供，仅供参考。背景信息 本文通过 OSS 与 PAI 的结合，为一家传统的文具零售店提供决策支持。本文涉及的具体业务场景（场景与数据均为虚拟）如下：...
单样本T检验
页签 参数 描述 字段设置 样本1所在列 进行训练的样本1所在列。参数设置 对立假设类型 对立假设的类型。置信度 检测结果的置信度。假设均值大小 假设均值的大小。两总体方差是否相等 两个总体值的方差是否相等。可选true或者false。节点...
灵骏常见问题
您使用神经网络进行的许多计算都可以很容易地分解成更小的计算，各个小计算不会相互依赖。智能计算灵骏与普通GPU托管服务有什么不同？智能计算灵骏集群采用专为大规模AI计算场景所设计的系统架构和多层性能优化技术，能充分利用整体的计算...
图像关键点训练
如果您的业务场景涉及人体相关的关键点检测，则可以通过图像关键点训练组件构建关键点模型，从而进行模型推理。本文为您介绍图像关键点训练组件的配置方法及使用示例。前提条件 已开通OSS并完成授权，详情请参见 开通OSS服务 和 云产品依赖...
图像分类训练（torch）
如果您的业务场景涉及图像分类，则可以通过图像分类训练（torch）组件构建图像分类模型，从而进行模型推理。本文为您介绍图像分类训练（torch）组件的配置方法及使用示例。前提条件 已开通OSS并完成授权，详情请参见 开通OSS服务 和 云产品...
图像度量学习训练（raw）
如果您的业务场景涉及度量学习，则可以通过图像度量学习训练（raw）组件构建度量学习模型，从而进行模型推理。本文为您介绍图像度量学习训练（raw）组件的配置方法和使用示例。前提条件 已开通OSS并完成授权，详情请参见 开通OSS服务 和 云...
双样本T检验
双样本T检验基于统计学原理用来检验两个样本的均值是否有显著差异。本文为您介绍 Designer 提供的双样本T检验的参数配置和使用示例。组件配置 您可以使用以下任意一种方式，配置双样本T检验组件参数。方式一：可视化方式 在 Designer 工作...
数据集管理
新建数据集 用户需要新建数据集，来对模型训练需要使用的大量样本数据进行组织与管理。在左侧导航栏选择 自学习工具>我的工作区。找到您要操作的工作区，单击下方的 进入工作区。在左侧导航栏选择 数据集管理，单击 新建数据集。在 新建...
准备加速资源环境
接入PAI-TorchAcc进行训练加速前，您需先准备满足规格要求的训练资源环境，您可以直接在PAI上开通满足规格要求的DSW实例，或直接使用已有的ECS实例进行训练加速。本文为您介绍接入TorchAcc训练加速的环境要求。环境规格要求 接入TorchAcc...
数据集管理
新建数据集 用户需要新建数据集，来对模型训练需要使用的大量样本数据进行组织与管理；点击菜单栏左侧【新建数据集】或者【数据集列表】的新建按钮来实现 数据集名称 数据集名称30个字符以内，最好能体现数据集内容的特点，且避免重复 数据...
性能指标
LogisticRegressionWithHe 10万 100维*100维 训练 50分钟 神经网络MLP 100万 100维*100维 训练 30分钟 决策树-XGBoostWithDp 5亿 100维*100维 离线预测 50分钟 决策树-GBDTWithDp 5亿 100维*100维 离线预测 120分钟 线性回归-...
视频分类训练
算法简介 视频分类模块提供主流的3D卷积神经网络和Transformer模型用于视频分类任务的训练，目前已经支持的模型包括X3D系列的X3D-XS、X3D-M及X3D-L和Transformer模型的swin-t、swin-s、swin-b、swin-t-bert，其中swin-t-bert支持视频加文本...
产品优势
内容安全支持对海量多媒体内容进行快速检测，接入便捷、成本低，且经历大规模实战检验，有效帮助您节省审核费用成本和...此外，我们还提供分布各国与各地域的网络与计算节点，以便满足对访问时延和数据计算区域有更高要求的业务和场景需求。
基本概念
cuDNN NVIDIA推出的用于深度神经网络的GPU加速库。DeepGPU 阿里云专门为GPU云服务器搭配的具有GPU计算服务增强能力的免费工具集合。AIACC-Taining 阿里云自研的分布式训练任务AI加速器，可以显著提升训练性能。AIACC-Inference 阿里云自研...
LLM on DLC-Megatron on DLC最佳实践
大语言模型（LLM）是指参数数量达到亿级别的神经网络语言模型，例如：GPT-3、GPT-4、PaLM、PaLM2等。Megatron-LM 是由NVIDIA的应用深度学习研究团队开发的Transformer模型训练框架，它可以高效利用算力、显存和通信带宽，大幅提升了大语言...
组件参考：所有组件汇总
组件类型 组件 描述 自定义组件 自定义组件 支持在AI资产管理中创建自定义组件，自定义组件创建成功后，您可以在Designer中将该组件与官方组件串联使用进行模型训练。源/目标 读OSS数据 该组件用来读取对象存储OSS Bucket路径下的文件或...
5分钟使用EAS一键部署Kohya SD模型微调应用
该值越大，对显存的要求越高。Epoch 训练轮数，将所有数据训练一次为一轮。需要自行计算。一般情况下：Kohya中总训练次数=训练图片数量 x 重复次数 x 训练轮数/训练批量大小。WebUI中总训练次数=训练图片数量 x 重复次数。使用类别图像时，...
产品优势
调优过程自主 您可以通过选择训练样本，训练的目标标签，并对训练后的模型指标和实际预测结果进行评估，完全自主控制算法模型针对您实际使用场景及样本的定制优化。支持多种调用方式 支持公共云API调用，无需您自行构建环境，快速满足您的...
TairVector性能白皮书
200 1,183,514 10,000 902 MB COSINE Deep-image-96-angular 该数据集是ImageNet图片经过GoogLeNet模型训练，从最后一层神经网络提取的向量。96 9,990,000 10,000 3.57 GB COSINE Random-s-100-euclidean 该数据集为测试工具随机生成，不...
安全联邦学习-任务模式FL
三、安全联邦学习已支持的能力 用途 算法分类 已支持算法 分类 决策树 XGBoostWithDp GBDTWithDp 逻辑回归 LogisticRegressionWithHe 神经网络 神经网络MLP 回归 线性回归 LinearRegressionWithHe 神经网络 神经网络MLP 四、如何进行安全...
复购预测概述
数据要求 您需要提供 行为数据集 进行算法模型训练，对行为数据集的要求请参见 行为数据集样例。基于算法模型进行预测时，可预测的用户和周期范围取决于行为数据集：可预测用户范围：算法模型使用的行为数据集涉及的用户，且用户在该行为...
异常指标监控
PAI提供了特征编码、模型训练及模型评估全套功能，您只需要抽取异常行为特征，并对其进行标记，即可快速构建异常指标监控模型。背景信息 用户系统中的异常数据（例如运维系统的CPU消耗突然增高或某平台突然产生大量不良信息）属于平台异常...
部署及微调Mixtral-8x7B MoE模型
单击 训练，PAI-QuickStart自动跳转到模型训练页面，并开始进行训练，您可以查看训练任务状态和训练日志。单击右上角 Tensorboard，您也可以一键打开TensorBoard查看模型的收敛情况。如果需要将微调训练完的模型部署为在线服务，可以在同一...
应用案例
对遥感图像上某些样区中影像地物的类别属性有了先验知识，对每一种类别选取一定数量的训练样本，计算机计算每种训练样区的统计或其他信息，同时用这些种子类别对判决函数进行训练，使其符合于对各种子类别分类的要求，随后用训练好的判决...
通过自定义模型识别
配置 模型名称，并选择训练样本。选择样本：您可以从当前工作空间下，选择需要训练的样本字段，DataWorks将帮助您找到这些字段的内容特征，生成相应的规则模型。后续您可以使用该规则模型发现您数据资产中与该模型的特征内容类似的数据。...
支持向量机
是 分类 分类 回归 错误项的惩罚系数 惩罚系数越大，即对分错样本的惩罚程度越大，因此在训练样本中准确率越高，但是泛化能力降低，也就是对测试数据的分类准确率降低。相反，减小惩罚系数的话，容许训练样本中有一些误分类错误样本，泛化...
数据集加速器概述
通过感知深度学习训练的模型类型、网络结构，对图片、文本、视频等数据进行预先打包和处理，提升海量小文件训练场景的性能。全托管，开箱即用。云上全托管服务，操作简单，开通即可使用。弹性可伸缩。依托于云上IaaS（Infrastructure-as-a-...
分布式训练DLC 算力健康检测发布
支持对训练任务的资源健康度与性能进行检查，提升训练成功率及问题诊断效率。适用客户 AI大模型训练场景的客户。新增功能/规格 算力健康检测（Sanity Check）功能，旨在对分布式训练任务的算力资源健康度与性能进行检查。在创建DLC训练任务...
模型说明
适用于标注数据不是很干净（带有一些标错或者噪声数据），对效果要求较高，对训练时间/预测时间要求不是很高的主要内容是中文的场景。关系抽取StrcutBERT-split 基于达摩院自研alicemind深度语言模型体系的StructBERT模型，采用实体抽取-...
OCR文档自学习概述
信息抽取模型：标准的“标注数据-模型训练”流程，通过可视化的模型标训完成业务专属的模型定制，适用于数据版式相对固定或可枚举，样本数量较为充足，对信息抽取准确率要求较高的业务稳定阶段。价值主张 数据资产化：支持数据资产的闭环...
OCR文档自学习概述
信息抽取模型：标准的“标注数据-模型训练”流程，通过可视化的模型标训完成业务专属的模型定制，适用于数据版式相对固定或可枚举，样本数量较为充足，对信息抽取准确率要求较高的业务稳定阶段。价值主张 数据资产化：支持数据资产的闭环...
- 产品推荐
- 这些文档可能帮助您