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...
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...
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...
Sambert语音合成
提供SAMBERT+NSFGAN深度神经网络算法与传统领域知识深度结合的文字转语音服务，兼具读音准确，韵律自然，声音还原度高，表现力强的特点。语音合成API基于达摩院改良的自回归韵律模型，具有推理速度快，合成效果佳的特点。开发者可以通过...
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...
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-...
机器学习
MADlib机器学习模块主要解决以下问题：分类/回归问题：提供一系列算法如K最近邻、MLP多层感知神经网络、SVM支持向量机、决策树等算法来解决二元分类/回归问题，集成最小二乘法、GLM广义线性回归、逻辑回归、多项式回归等模型来解决回归问题...
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...
安全防护
同时内置深度神经网络和机器学习等先进技术，通过样本扫描、特征萃取、特征对比和文件聚类等算法，实现多达44种敏感数据的精准识别。同时数据安全中心提供了敏感数据发现后的自动分类分级以及统计展示能力，通过对结构化和非结构化数据源的...
支持向量回归算法（SVR）
sigmoid：使用该函数作为核函数时，效果类似多层神经网络。c 松弛系数的惩罚项系数。取值为大于0的浮点数，可不填。默认值为1。说明 如果数据质量较差，可以适当降低惩罚项 c 的值。epsilon SVR损失函数的阈值。当预测值与实际值的差值等于...
组件参考：所有组件汇总
one-hot编码 您可以通过该组件后数据会变成稀疏，输出结果也是KV的稀疏结构。统计分析 数据视图 通过数据视图组件，您可以可视化地了解特征与标签列的分布情况及特征的特点，以便后续进行数据分析。协方差 该组件用于衡量两个变量的总体...
混合查询最佳实践
对比传统的 文本+向量 多路召回，向量检索版中的稀疏-稠密向量是将稠密向量和稀疏向量嵌入组合为单个向量，而其中的稀疏向量是将文本向量化成稀疏向量，稠密向量是传统的向量。稀疏向量和稠密向量代表不同类型的信息并支持不同类型的搜索。...
稀疏备份
RDS SQL Server在常规备份能力的基础上支持稀疏备份。您可更灵活地设置备份策略并保留最少的备份集。该功能在有效缩短备份集恢复时间的同时，降低了备份集存储成本。本文介绍配置稀疏备份的方法。常规备份与稀疏备份的区别 对比项 常规备份...
稀疏备份
RDS PostgreSQL 在常规备份能力的基础上支持稀疏备份。您可更灵活地设置备份策略 并 保留最少的备份集。该功能在有效缩短备份集恢复时间的同时，降低了备份集存储成本。本文介绍配置稀疏备份的方法。常规备份与稀疏备份的区别 对比项 常规...
稀疏备份
RDS MySQL在常规备份能力的基础上支持稀疏备份。您可更灵活地设置备份策略并保留最少的备份集。该功能在有效缩短备份集恢复时间的同时，降低了备份集存储成本。本文介绍配置稀疏备份的方法。常规备份与稀疏备份的区别 对比项 常规备份 稀疏...
特征尺度变换
特征尺度变换算法组件支持对稠密或稀疏的数值类特征进行常见的尺度变换。功能介绍 特征尺度变换的功能如下：支持常见的 log2、log10、ln、abs 及 sqrt 等尺度变化函数。支持稠密及稀疏数据格式。组件配置 您可以使用以下任意一种方式，配置...
高级备份设置
开通高级备份设置后，可使用稀疏备份功能，本文介绍了相关的概念及操作。简介 在集群的备份恢复界面切换高级备份设置后，即可使用稀疏备份功能。您可以按照每周、每月、每年的方式来设置备份集保留周期，实现间隔很长时间保留一个备份集，...
GBDT二分类V2
可视化配置参数 输入桩配置 输入桩（从左到右）限制数据类型 建议上游组件 是否必选 输入数据 无 读数据表 是 组件参数 页签 参数 是否必选 描述 默认值 字段设置 是否为稀疏向量格式 否 输入表中用于训练的特征列是否为稀疏向量格式。...
向量文本混合查询
2],"values":[1.2,2.4]},"topK":2,"order":"DESC"} tableName：表名 indexName：本例中为 vector vector：稠密向量 sparseData：稀疏向量 indices：稀疏向量下标 values：稀疏向量值 topK：取topK个结果 order：排序策略，DESC为倒序。...
备份策略
稀疏备份：稀疏备份支持您更灵活地设置备份策略并保留最少的备份集，最大限度地降低您的存储成本，常用于审计等备份长期保留的业务场景。如果您需要保障数据可在备份区间内的任意时间点可恢复，请务必保留日志备份；如果您中途进行关闭，则...
K近邻
输入表数据是稀疏格式 使用 KV 格式表示稀疏数据。kv间的分隔符 默认为英文逗号（,）。key和value的分隔符 默认为英文冒号（:）。参数设置 近邻个数 默认值为100。执行调优 核心数 默认系统自动分配。内存数 默认系统自动分配。方式二：PAI...
基本概念
Sparse Vector（稀疏向量）Sparse Vector（稀疏向量），稀疏向量是指大部分元素为0，仅少量元素非0的向量。在DashVector中，稀疏向量可用来表示词频等信息。例如，{1:0.4,10000:0.6,222222:0.8} 就是一个稀疏向量，其第1、10000、222222位...
删除或减少备份
方法二：通过稀疏备份保留最少备份集 部分地域的实例现已支持将备份策略页面 升级至高级版本，升级后可用于实现稀疏备份，您可以更灵活地设置备份策略并保留最少的备份集。具体详情，请参见 稀疏备份。方法三：将无需备份的数据删除或迁移...
关键词感知检索
建立关键词和原始语料的映射关系，常见的方法有倒排索引、TF-IDF、BM25等方法，其中TF-IDF、BM25通常用 稀疏向量（Sparse Vector）来表示词频。检索时，对检索语句进行关键词抽取，并通过步骤2中建立的映射关系召回关联度最高的TopK原始...
数据视图
该组件支持稀疏和稠密数据格式。本文为您介绍 Designer 提供的数据视图算法的参数配置方式及使用示例。组件配置 您可以使用以下任意一种方式，配置数据视图组件参数。方式一：可视化方式 在 Designer 工作流页面配置组件参数。页签 参数 ...
索引优化
大数据集场景下优先考虑稀疏索引：如果您的数据量非常地大，并且您的查询限定条件为<、、=、>=、>，需要从大数据量的表中取出少于50%的数据，那么使用稀疏索引（BRIN Index或者AOCS表的metascan）可以极大地减少无效数据的加载。...
添加数据
在向量管理>添加数据页中选择表进行添加数据：添加相应字段值（包括主键、稠密向量、稀疏向量下标、稀疏向量值），点击 添加：当执行结果出现"message":"success"说明数据上传成功：数据上传成功后，可以在查询测试页面进行查询：添加...
预测
稀疏矩阵 使用KV格式表示稀疏数据。key与value分隔符 默认为英文冒号（:）。kv对间的分隔符 默认为英文逗号（,）。执行调优 核心数 与参数 每个核的内存大小 搭配使用，取值范围为正整数。每个核的内存大小 与参数 核心数 搭配使用，单位为...
聚类模型评估
输入为稀疏格式 使用KV格式表示稀疏数据。kv键间分隔符 默认为英文逗号（,）。kv键内分隔符 默认为英文冒号（:）。执行调优 核心数 与参数 每个核的内存大小 搭配使用，取值范围为正整数。每个核的内存大小 与参数 核心数 搭配使用，单位为...
功能特性
RDS MySQL稀疏备份 RDS SQL Server稀疏备份 RDS PostgreSQL稀疏备份 PolarDB MySQL稀疏备份 多云多端统一管理 提供多云数据库、多种存储类型的统一备份管理。支持的数据库引擎与功能 三方集成和兼容 三方备份数据的集成和兼容。支持的数据...
PS线性回归
是否稀疏格式 使用KV格式表示稀疏格式。kv间的分隔符 默认使用空格分隔。key与value分隔符 默认使用半角冒号（:）分隔。参数设置 L1 weight L1正则化系数。该参数值越大，表示模型非零元素越少。如果过拟合，则增大该参数值。L2 weight L2...
逻辑回归二分类
经典逻辑回归是一个二分类算法，支持稀疏及稠密数据格式。组件配置 您可以使用以下任意一种方式，配置逻辑回归二分类组件参数。方式一：可视化方式 在 Designer 工作流页面配置组件参数。页签 参数 描述 字段设置 训练特征列 输入数据源中...
引擎版本特性
主键查询 向量查询 向量文本混合查询 SQL 支持 不支持 向量化模型 文本向量化 图片向量化 文本向量化 图片向量化 文本稀疏向量 图片多主体识别 向量查询 单向量查询 多向量查询 带namespace查询 预测查询 向量查询参数：指定topN、设置低分...
线性模型特征重要性
线性模型特征重要性组件用于计算线性模型的特征重要性，包括线性回归和二分类逻辑回归，支持稀疏和稠密数据格式。本文为您介绍该组件的配置方法。使用限制 支持的计算引擎为MaxCompute。组件配置 您可以使用以下任意一种方式，配置线性模型...
逻辑回归多分类
经典逻辑回归是一个二分类算法，PAI提供的逻辑回归可以支持多分类，且支持稀疏及稠密数据格式。组件配置 您可以使用以下任意一种方式，配置逻辑回归多分类组件参数。方式一：可视化方式 在 Designer 工作流页面配置组件参数。页签 参数 ...
备份大小
方法二：通过稀疏备份保留最少备份集 部分地域的实例现已支持将备份策略页面 升级至高级版本，升级后可用于实现稀疏备份，您可以更灵活地设置备份策略并保留最少的备份集。具体详情，请参见 稀疏备份。方法三：将无需备份的数据删除或迁移...
使用ClassicLink
专有网络VPC（Virtual Private Cloud）提供ClassicLink功能，使经典网络的ECS实例可以和专有网络中的云资源通过内网互通。背景信息 ClassicLink可以实现经典网络的ECS实例访问已连接的VPC内的云资源，包括ECS实例、RDS实例、SLB实例等。VPC...
混访混挂迁移示例
本文档介绍了如何使用混挂和混访方案将经典网络迁移至专有网络。前提条件 在开始使用混挂和混访迁移方案前，请确保满足以下条件：您已经注册了阿里云账号。如还未注册，请先完成账号注册。更多信息，请参见 账号注册。您已了解该迁移方案的...
什么是网络智能服务
网络智能服务 NIS（Network Intelligence Service）是一个对网络进行健康分析、性能监控、诊断修复、流量分析和测量仿真的云服务，通过集成机器学习、知识图谱等AIOps方法减少网络使用复杂性，提供自助运维能力，方便网络架构师和运维...
备份方案概览
本文介绍RDS PostgreSQL...稀疏备份 稀疏备份 高频快照备份 高频快照备份 下载备份 常规下载 下载备份 高级下载 说明 适用于PostgreSQL高可用云盘版实例。查看 查看备份空间免费额度 查看备份空间免费额度 删除备份 删除数据备份 删除备份数据
- 产品推荐
- 这些文档可能帮助您