图像分类训练（torch）
224 优化方法 是 模型训练的优化方法，支持以下取值：SGD Adam SGD 初始学习率 是 初始学习率大小。0.05 学习率调整策略 是 使用学习率调整策略来控制学习率。支持的学习率调整策略为step：人工指定各阶段的学习率。step lr step 是 与学习...
图像关键点训练
192,256 初始学习率 是 初始学习率大小。0.01 学习率调整策略 是 使用学习率调整策略来控制学习率。支持的学习率调整策略为step：人工指定各阶段的学习率。step Ir step 是 与学习率调整策略配合使用，多个step用半角逗号（,）连接。当...
概念解释
超参配置 学习率调整策略 选择不同的学习率策略，动态地改变模型在训练过程中更新权重时所采用的学习率大小。验证步数 训练阶段针模型的验证间隔步长，用于阶段性评估模型训练准确率、训练损失推荐范围：[1,2147483647]。序列长度 训练数据...
基本概念
超参配置 学习率调整策略 选择不同的学习率策略，动态地改变模型在训练过程中更新权重时所采用的学习率大小。验证步数 训练阶段针模型的验证间隔步长，用于阶段性评估模型训练准确率、训练损失推荐范围：[1,2147483647]。序列长度 训练数据...
图像度量学习训练（raw）
1.0 优化方法 是 训练模型使用的优化方法，支持以下取值：SGD AdamW SGD 初始学习率 是 初始学习率大小，浮点类型。0.03 训练batch_size 是 训练的批大小，即模型训练过程中，每次迭代（每一步）训练的样本数量。无 总的训练迭代epoch轮数 ...
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...
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...
模型仓库（FastNN）
PAI模型仓库FastNN（Fast Neural Networks）是一个基于PAISoar的分布式神经网络仓库。目前FastNN已经支持了Inception、Resnet、VGG等经典算法，后续会逐步开放更多的先进模型。目前FastNN已经内置于 Designer 平台中，并且可以直接在该平台...
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...
Kohya使用方法与实践案例
此时您可以选择借助神经网络，完成对所有图片批量生成文本描述的工作。您也可以在Kohya中选择使用一个叫做BLIP的图像打标模型。打标 数据集 在Kohya-SS页面，选择 Utilities>Captioning>BLIP Captioning。选择已创建的数据集里面上传的图片...
开源软件迁移
它拥有一个由工具、库和社区资源组成的全面、灵活的生态系统，被广泛应用于机器学习和深度神经网络研究。在倚天云服务器上，建议您使用以下两种方式使用TensorFlow。使用官方版本构建TensorFlow的Docker镜像。更多信息，请参见 TensorFlow ...
模型优化
遍历次数一般不建议修改（除非您想快速训练完成），学习率参数有时对于模型的影响非常大，学习率的调整需要更专业的知识，建议在原有学习率基础上可以尝试在10倍以内的缩放调整。如果模型效果不好，同时需要抽取的实体具有相对固定的上下文...
模型优化
遍历次数一般不建议修改（除非您想快速训练完成），学习率参数有时对于模型的影响非常大，可以尝试在 0.001~0.0001 进行调整。有时候上述对于模型的调整可能对于性能的提升都不是很大，这时可以考虑从数据层面来优化。比如数据的预处理阶段...
LLM模型训练
无 参数设置 学习率 是 学习率。0.00001 总的训练迭代epoch轮数 是 总的训练迭代epoch轮数。5 每个gpu训练batch_size 是 每个gpu训练batch_size。4 最大序列长度 是 最大序列长度。512 lora_rank 是 lora_rank。64 梯度累积步数 是 梯度...
PAI图像语义分割训练
例如，如果 decay_epoches 为 20 40，则该将参数配置为 0.001 0.0001，表示在20 Epoch学习率调整为0.001，40 Epoch学习率调整为0.0001。建议几次调整的学习率依次为初始学习率的1/10、1/100及1/1000。浮点列表 无 lr_warmup 否 是否对学习...
梯度提升决策树
否 对数似然 对数似然 指数 学习率 学习率。否 0.1[0,1]树数量 要执行的提升阶段数。梯度提升对于过度拟合具有相当强的鲁棒性，因此大量提升通常会带来更好的性能。否 100[0,10000]最大深度 各个回归估计量的最大深度。最大深度限制了树中...
Top N应用监控
变更单失败率 显示最近7天内变更单失败率Top N应用列表，按照变更单失败率大小排序。单击 应用名称 列表下的应用名称，可跳转至 变更记录 页面，SAE 会自动显示失败的变更记录。变更单失败次数 显示最近7天内变更单失败次数Top N应用列表，...
XGBOOST回归
学习率 learning_rate 学习率，控制每轮迭代权重的缩小程度，适当调整可以加速模型收敛但也可能使模型过拟合。最小叶子节点样本权重和 min_child_weight 用于控制决策树分裂过程中每个叶子节点的最小样本权重和。当一个叶子节点的样本权重...
XGBOOST多分类
学习率 learning_rate 学习率，控制每轮迭代权重的缩小程度，适当调整可以加速模型收敛但也可能使模型过拟合。最小叶子节点样本权重和 min_child_weight 用于控制决策树分裂过程中每个叶子节点的最小样本权重和。当一个叶子节点的样本权重...
规则引擎与高级设置
如果您的文档格式比较固定，需要抽取的字段有明确和固定的上下文，我们还提供了一些规则设置方法对模型进行补充支持，...在这个高级设置中，除了通用字段扩充，还有遍历次数和学习率。通常使用默认值即可，在“结果优化”一章会有更具体的说明
XGBOOST二分类
学习率 learning_rate 学习率，控制每轮迭代权重的缩小程度，适当调整可以加速模型收敛但也可能使模型过拟合。最小叶子节点样本权重和 min_child_weight 用于控制决策树分裂过程中每个叶子节点的最小样本权重和。当一个叶子节点的样本权重...
PAI图像分类（多标签分类）训练
例如，如果 decay_epochs 为 20 40，则该将参数配置为 0.001 0.0001，表示在20 Epoch学习率调整为0.001，40 Epoch学习率调整为0.0001。建议几次调整的学习率依次为初始学习率的1/10、1/100及1/1000。浮点列表 无 train_data 是 训练数据...
PAI端到端文字识别训练
例如，如果 decay_epoches 为 20 40，则该将参数配置为 0.001 0.0001，表示在20 Epoch学习率调整为0.001，40 Epoch学习率调整为0.0001。建议几次调整的学习率依次为初始学习率的1/10、1/100及1/1000。浮点列表 无 lr_warmup 否 是否对学习...
更新训练任务
学习轮数 Lr：学习率 height：图片高 width：图片宽 ValidationDatasetId：验证数据集ID ValidationLabelId：验证标注集ID TestDatasetId：测试数据集ID TestLabelId：测试标注集ID 返回数据 名称 类型 示例值 描述 RequestId String 6CED...
创建训练任务
学习轮数 Lr：学习率 height：图片高 width：图片宽 ValidationDatasetId：验证数据集ID ValidationLabelId：验证标注集ID TestDatasetId：测试数据集ID TestLabelId：测试标注集ID 返回数据 名称 类型 示例值 描述 RequestId String 7E55...
灵骏常见问题
为什么深度学习和神经网络需要GPU？GPU与CPU的对比如下表所示。对比项 GPU CPU 算术运算单元（ALU）大量擅长处理大规模并发计算的算术运算单元（ALU）。拥有强大的算术运算单元（ALU），但数量较少。逻辑控制单元 相对简单的逻辑控制单元。...
训练任务列表
advancedParameters String 否 {\"TestLabelId\":1266,\"TestDatasetId\":948,\"Lr\":0.5,\"width\":\"32\",\"ValidationLabelId\":1266,\"Epoch\":23,\"ValidationDatasetId\":948,\"height\":\"23\"} Epoch（学习轮数）、Lr（学习率）、...
安全联邦学习-任务模式FL
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、如何进行安全联邦学习 步骤一：执行【联邦学习...
安全联邦学习-工作流FL
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、如何进行安全联邦学习 以内置模板为例：1、...
查看HTTP/网络错误
错误率 错误率=筛选条件下的错误数/筛选条件下的网络请求总数。影响设备率 影响设备率=筛选条件下影响设备数/筛选条件下网络请求去重设备数。查看错误码 根据筛选条件，展示崩溃分析折线图明细。查看错误分布 根据筛选条件，展示启动分布...
产品优势
效果逼真 在本地端实现了基于Knowledge-Aware Neural TTS(KAN-TTS)语音合成技术，基于深度神经网络和机器学习，将文本转换成真实饱满、抑扬顿挫、富有表现力的语音，使得 离线语音 合成效果趋近于在线合成效果。同样的语音合成 声音定制 的...
什么是云企业网
云企业网CEN（Cloud Enterprise Network）是运行在阿里云私有全球网络上的一张高可用网络。云企业网通过转发路由器TR（Transit Router）帮助您在跨地域专有网络之间，专有网络与本地数据中心间搭建私网通信通道，为您打造一张灵活、可靠、...
混沌工程缓存实战系列-Redis
客户端 因素 模拟手段 可能后果 可能影响指标 网络延迟 6379端口网络延迟 读写请求RT变长 连接池满 QPS RT 成功率 网络中断 6379端口网络丢包 读写失败 无法连接 QPS RT 成功率 单次查询耗时过长 如果Key过多，可以模拟Keys*查询 单次请求...
集群主机监控详情
内存 memory_used 节点使用的物理内存大小，单位：GB。网络吞吐率 net_throughput 节点的网络吞吐率，单位：MB。Ntp 时钟偏移 ntp_offset_milliseconds 节点的 ntp 时钟偏移，单位：ms。OB 数据盘使用率 ob_data_disk_percent 节点的数据盘...
Word2Vec
Word2Vec算法组件利用神经网络，通过训练，将词映射为K维度空间向量，且支持对表示词的向量进行操作并和语义相对应。输入为单词列或词汇表，输出为词向量表和词汇表。使用说明 Word2Vec组件的上游需要接入 词频统计 组件。说明 词频统计的...
资源使用优化
在判断闲置资源时，参考阿里云云监控过去30天的资源性能数据，按照CPU使用率和磁盘IO以及网络利用率为参考指标。当CPU资源峰值利用率，磁盘IO小于，网络利用率低于1%时，判断该服务器为闲置资源。由于内存为占用型资源，故不考虑将其纳入到...
App端性能体验功能说明
端 指标 Android 崩溃率 ANR率 自定义异常率 卡顿率 慢启动率 OOM率 网络错误率 页面崩溃率 平均FPS 平均丢帧数 应用内H5页面慢加载率 平均首屏时间（FP）平均页面可交互时间（TTI）iOS 崩溃率 自定义异常率 卡顿率 慢启动率 OOM率 网络...
视频插帧
功能描述 视频插帧能力基于深度学习的帧率上变换，通过插帧网络合成任意时刻的视频帧，从而优化解决视频中卡顿、抖动等画质问题。说明 您可以进入 在线咨询 获取在线人工帮助。当前能力可在视觉智能开放平台有完整的免费产品体验，您可以...
产品介绍
阿里云推流SDK是基于阿里云强大内容分发网络和音视频实时通讯技术的直播客户端推流开发工具，为您提供简单易用的开放接口、网络自适应的流畅体验、多节点的低延迟优化、功能强大的实时美颜等音视频直播技术服务。本文介绍推流SDK产品简介、...
- 产品推荐
- 这些文档可能帮助您