图像度量学习训练（raw）
无 参数设置 度量学习模型使用的backbone 是 选择使用的主流模型，支持以下取值：resnet_50 resnet_18 resnet_34 resnet_101 swin_transformer_tiny swin_transformer_small swin_transformer_base resnet50 图片resize大小 是 图片调整后...
基于KSpeed的ResNet50训练
本文以ResNet50的图片分类模型训练为例，为您介绍KSpeed在CV领域加速图片数据的加载实践。ResNet50模型是基于NVIDIA官方开源代码DeepLearningExamples中的实现。使用KSpeed需要在原来的代码上做一点改动，改动的地方可以通过git patch的...
基于eGPU优化套件的ResNet50模型训练和推理
本文以卷积神经网络模型ResNet50的训练和推理为例，为您介绍如何通过Docker或Kubernetes使用eGPU优化套件，进行GPU容器虚拟化和资源共享。本实践中的ResNet50模型基于NVIDIA官方开源代码DeepLearningExamples实现。步骤一：准备模型和数据...
在GPU实例上使用RAPIDS加速图像搜索任务
include_top 取值范围：True：包含整个ResNet50网络结构的最后一个全链接层。False：不包含整个ResNet50网络结构的最后一个全链接层。本案例中，使用神经网络模型ResNet50的主要目的是提取图片特征而非分类图片，因此设置为 False。input_...
JindoFS加速ResNet50模型训练
resnet50 RUNNING MPIJOB 56m horovod-resnet50-worker-0 192.168.0.15 horovod-resnet50 RUNNING MPIJOB 56m horovod-resnet50-worker-1 192.168.0.14 horovod-resnet50 RUNNING MPIJOB 56m horovod-resnet50-worker-2 192.168.0.12 ...
AI加速使用案例汇总
ResNet50优化案例：使用Blade优化基于TensorFlow的ResNet50模型 介绍如何使用Blade优化基于TensorFlow的ResNet50模型。Dynamic Shape优化案例：使用Blade优化输入为Dynamic Shape的ResNet50 介绍如何使用Blade优化输入为Dynamic Shape的...
使用EAIS推理PyTorch模型（Python）
本示例以resnet50模型推理、pytorch_resnet50.py脚本为例，脚本内容如下：#导入torch模块 import torch import torchvision#导入eais提供的python模块 import eais.torch_eais if_name_='_main_':#初始化resnet50 torch模型 model=...
量化优化
PAI-Blade支持TensorFlow和PyTorch模型在GPU硬件、端侧设备的INT8量化。本文主要介绍在GPU硬件上，如何使用PAI-Blade量化优化。背景信息 量化是模型压缩常用手段之一，通过将原始的全精度32位浮点数分桶量化为位宽更小的定点整数，...wget ...
AIACC-ACSpeed体验示例
操作步骤 本文以原生DDP的启动方式运行 Pytorch_ddp_benchmark.py 文件，以模型为resnet50的amp混合精度训练为例，通过适配ACSpeed v1.0.2来体验单机8卡和多机多卡实例类型的分布式训练过程和性能提升效果。重要 在操作前，确保您已创建...
Triton Inference Server镜像部署
更新模型目录结构 以PyTorch为例，使用Python backend自定义模型的计算逻辑，模型目录结构示例如下：resnet50_pt├─1│├─model.pt│└─model.py└─config.pbtxt 与常规的模型目录结构相比，backend需要在模型版本目录下新增一个model....
优化PyTorch模型
已有训练完成的PyTorch模型，本文使用一个公开的ResNet50模型。优化PyTorch模型 导入PAI-Blade和其他依赖库。import os import time import torch import torchvision.models as models import blade 从torchvision加载ResNet50模型。由于...
安装和使用Deepytorch Inference
基于ResNet50模型执行推理 以下示例将基于ResNet50模型，并调用 torch.jit.script 接口执行推理任务，执行1000次后取平均时间，将推理耗时从3.686 ms降低至0.396 ms以内。原始版本 原始代码如下所示：import time import torch import ...
使用EAIS推理TensorFlow模型
本示例以resnet50模型推理、resnet50.py脚本为例，脚本内容如下：import tensorflow as tf import eais_tensorflow from tensorflow.core.protobuf import config_pb2 from tensorflow.core.protobuf import rewriter_config_pb2 import ...
物理位置监控
概述 物理位置监控，实时反馈坐席当前状态，可以根据公司位置结构图，添加坐席位置。物理位置编辑 首先需要在“物理位置编辑”编辑结构图。类似：大楼=>1层=>101房间这样的逻辑，然后在上传对应的房间结构图，确定后保存。物理位置编辑 ...
优化TensorFlow模型
已有训练完成的TensorFlow模型，本文使用一个公开的ResNet50模型。优化TensorFlow模型 本文以一个公开的ResNet50模型为例，演示如何优化TensorFlow模型。您也可以对自己的TensorFlow模型进行优化。导入PAI-Blade和其他依赖库。import os ...
使用SDK部署PyTorch模型推理
您可以参考如下命令，使用编译好的可执行程序（torch_app）加载并执行PAI-Blade优化好的示例模型（optimized_resnet50.pt）。export BLADE_REGION=<region>#Region:cn-beijing,...
示例应用程序中的组织树
这种关系形成了一个典型的树结构层次组织结构图。结构图如下图所示。要基于此关系构成分层查询，SELECT 命令需要包含子句 CONNECT BY PRIOR empno=mgr。例如，假设公司总裁 KING 的员工编号为 7839，则其 mgr 列为 7839 的任何员工都是 ...
图运维
索引产出后，会进入切换等待队列，等待切换程序处理，切换程序会根据表优先级从等待队列中选择 索引切换：将索引从hdfs拉取到在线服务物理机，并完成数据切换 回流完成：可以提供查询、更新服务 历史回流 字段结构 图模型中所配置的节点、...
查看代码结构
DataWorks的代码结构功能，帮助您根据当前节点编写的SQL代码，解析出SQL代码运行的流程结构图。您可以通过代码结构快速定位、查看及修改SQL代码。查看代码结构 进入DataStudio。登录 DataWorks控制台，单击左侧导航栏的 数据建模与开发>...
基于GraphCompute快速搭建好友推荐图应用
【好友推荐】为什么要用图计算 社交类场景的数据模型属于典型的图结构，图计算可以为社交类业务提供天然的图模型支持，更加完美表达各种关系的数据。使用图计算，可以显著提升社交类业务程序的开发效率和质量，减少数据关系的转换和计算的...
部署架构
架构图 下图是TPP功能架构图，从上往下可以分为3层：接入层 TPP服务入口层，用户访问TPP服务API，会进入这一层 容器层 运行用户的方案代码，实现对召回和排序等业务逻辑的编排，每个业务完全隔离 服务调用，例如召回&排序 用户自己的服务...
黄牛账号识别之GraphCompute解决方案
工业界比较知名的基于半监督关系网络图上的风险实体挖掘方法有亚马逊在2018年提出的GraphRAD方法和蚂蚁集团在2021年提出的Risk-alike方法，这两种方法都是基于黑种子节点的输入在图上挖掘风险。也可以使用 链接分析 的方法，如PageRank，从...
Echarts 网络图
本文介绍 Echarts 网络图 的图表样式和配置面板的功能。图表样式 配置面板 搜索配置：单击 配置 面板右上角的 搜索配置，可在 搜索配置 面板中输入您需要搜索的配置项名称，快速定位到该配置项，系统支持模糊匹配。详情请参见 搜索资产配置...
如何通过图算法能力获取OneID高质量人
本文将重点讲解如何将传统的用户登录信息进行离线处理，构建用户与设备间的多种复杂图关系，并基于图关系完成离线图算法分析，快速和精准的挖掘出多设备多账号对应的自然人信息。（一）背景 对于几乎所有的互联网企业，对于识别、追踪用户...
项目设置
本文介绍三维城市构建器的项目设置面板中各配置项的含义，帮助您快速了解项目基本参数配置的用途，合理配置三维城市构建器项目内容。...也可以将图片的URL地址输入到缩略图地址输入框内，上传网络图片作为该项目的缩略图。
网络质量分析
网络质量分析器应用提供网络质量分析报表，用于展示数据延迟、丢包率、探测次数、日活用户等变化趋势，帮助您了解App的网络质量情况。数据筛选条件 网络质量分析器应用会根据您设置的条件，展示对应的网络质量数据。例如趋势分析图表的筛选...
网络开通流程
本文为您介绍MaxCompute与目标服务间的网络结构及支持的网络开通方案。免责声明 MaxCompute提供的公网与VPC访问能力目前属于免费服务，存在以下限制：保障网络连通性，但是对用户代码触发的网络行为，平台可能因为故障切换的原因导致节点重...
图像生产介绍
照图修图 将输入的参考图的光照、色彩等不影响原图结构的风格迁移至目标图。图像隐形文字水印 图像盲水印算法，加/解析水印，添加内容包括图像logo和文字两种。图像隐形图片水印 图像盲水印算法，加/解析水印，添加内容包括图像logo和文字...
银行、金融
您可以通过图数据库GDB建立跟踪用户行为的图结构，实时分析欺诈行为的离散数据，识别欺诈环，帮助您快速防范和解决欺诈行为。1、数据模型 以金融交易领域公开数据集 IEEE-CIS Fraud Detection数据集 为例。更多信息，请参见 数据模型参考...
图像分类训练（torch）
无 参数设置 图像分类模型使用的backbone 是 选择使用的骨干模型，支持以下几种主流模型：resnet resnext hrnet vit swint mobilenetv2 resnet 图像类别数目 是 数据中类别标签的数目。无 图片resize大小 是 图片大小调整成固定的高和宽...
向量介绍
多模态能呈现文本无法表达的信息，如：颜色、形状、运动动态、声音、空间关系…… 同时各个领域信息的模态也有大幅度的变化：信息在这种多模态的场景下被分为两大类（结构化和非结构化）：非结构化的数据往往让计算机难以理解，传统的文本...
照图修图
功能描述 照图修图能力可以将输入的参考图的光照、色彩等不影响原图结构的风格迁移至目标图。您可以在 体验中心 进行体验与试用。关于该接口功能的示例图如下：原图 参考图 结果图 说明 阿里云视觉智能开放平台视觉AI能力API接入、接口使用...
图片缩放
当缩放模式指定为m模式下的任意值，且为目标缩放图的宽度 w 或目标缩放图的高度 h 指定了值，则目标缩放图的最长边 l 或目标缩放图的最短边 s 的取值不生效。w 否 指定目标缩放图的宽度。[1,16384]h 否 指定目标缩放图的高度。[1,16384]l ...
保险反欺诈
您可以通过图数据库GDB建立追踪用户行为的图结构，实时分析欺诈行为的离散数据，识别欺诈环，帮助您快速防范和解决欺诈行为。背景信息 保险理赔欺诈一般根据保险提供商所具备的患者、疾病和索赔等数据，分析与被保人相关的理赔单、疾病等...
PyTorch模型性能优化示例
本文以PyTorch官方提供的Resnet50模型为例，说明如何通过PyTorch Profiler发现模型的性能瓶颈，进而使用TensorRT优化模型，然后使用Triton Inference Server部署优化后的模型。背景信息 Nvidia TensorRT是一个加速深度学习模型推理的SDK，...
申请外网地址
背景信息 图数据库GDB实例支持的网络类型为专有网络和外网，关于连接地址的详细说明请参见下表。地址类型 说明 专有网络VPC（Virtual Private Cloud）专有网络是一种隔离的网络环境，安全性和性能均高于传统的经典网络。图数据库GDB实例...
应用场景
随着大数据时代的到来，图计算在处理海量关系数据上的优势也越来越明显，在商品推荐、社交网络、金融风控、网络安全等场景上应用也日趋广泛。个性化推荐 图计算引擎在处理海量关系数据上具备天然优势，能够提高实时推荐的效率和准确性。以...
容器资产全景
容器资产全景功能从集群、容器、镜像、应用等资产维度为您提供安全可视化的管控能力和云上容器资产的网络拓扑，帮助您提升管理容器资产安全的效率。使用该功能您可以轻松掌控容器资产的安全状态，并了解容器资产间的网络连接情况。本文介绍...
网络拓扑概述
网络拓扑图可以清晰地展示网络中资源的连接和关系，可视化网络结构，帮助您快速了解您的云上网络架构，进行网络配置验证、网络问题排查和云网络资源统一运维。背景信息 当前阿里云上网络资源类型丰富，功能形态各异，大量网络资源分散在...
图搜
图搜页面可以对目标图片进行搜索，返回指定数据量的匹配度最高的结构化图片。操作步骤 登录 城市视觉智能引擎控制台，进入实例详情页面，单击页面左侧菜单栏的搜索服务下的图搜。在图搜页面单击上传图片，上传待搜索的目标图片。设置查询...
- 产品推荐
- 这些文档可能帮助您