开放能力
开发平台
行业应用
生态合作
开发与教学
资讯 社区 控制台
技术能力
语音技术
图像技术
文字识别
人脸与人体识别
视频技术
AR与VR
自然语言处理
知识图谱
数据智能
场景方案
部署方案
行业应用
智能教育
智能医疗
智能零售
智能工业
企业服务
智能政务
智能农业
信息服务
智能园区
智能硬件
AI Studio

    图形化任务

    目录

    1. 图形化任务说明
    2. 创建图形化任务
    3. 图形化任务预览
    4. 预置算法部署后调用参数样例
      4.1 线性回归的请求及返回说明
      4.2 逻辑回归的请求及返回说明
      4.3 图像分类的请求及返回说明
      4.4 目标检测的请求及返回说明
    5. 内置数据集说明及下载地址

    图形化任务说明

    图形化任务旨在使用图形拖拽的方式来设计并训练模型, 并可进行快速部署. 同时还可以生成对应的源码. 最终达成"先实现, 再学习"的目的. 有效提高开发者的效率.

    图形化任务使用GPU集群作为支撑, 具有实时高速的并行计算和浮点计算能力.

    该功能目前属于Beta版本. 仅对受邀用户开放试用.

    创建图形化任务

    点击创建项目, 然后在"配置资源"中选择"图形化任务", 然后填写必要信息后, 点击"创建"

    图形化任务预览

    创建成功后, 可以进入项目的预览页面. 预览页面除了项目基本信息外, 可以切换设计器视图和代码视图.

    设计器视图预览:

    代码视图预览:

    进入编辑项目的界面:

    进入编辑界面

    左侧为工具箱, 可以从工具箱向中央画布拖入各种组件:

    拖入组件

    当前工具箱内为算法, 数据, 训练, 测试4类:

    算法:

    算法

    数据:

    数据

    训练:

    训练

    测试:

    验证

    当前尚不支持自定义控件. 近期会予以支持.

    最终构建成完成的网络:

    完整网络

    构建完成后可以启动训练:

    构建完成后可以启动训练

    此时左侧工具箱已经锁定, 下方开始输出日志:

    查看日志

    点击"任务列表", 也可以查看当前任务的状态

    正式部署: 当运行完成后点击上方"部署"按钮, 即可启动部署流程:

    启动部署

    部署需要选定训练好的模型

    部署需要选定训练好的模型

    部署过程需要一定时间, 之后会显示为部署完成

    部署中

    部署后可以看到沙盒. 一个项目最多可配置5个沙盒用于测试

    点击测试可以使用自己的数据测试在线接口:

    测试后, 如果效果满意, 可以部署为正式API

    预置算法部署后调用参数样例

    线性回归的请求及返回说明

    请求

    参数 类型 说明 其他
    text Array 房价预测的13维归一化后的数据

    示例:

    {
        "text": [-0.41733927, -0.48772237, -0.593381, -0.27259856, -0.7402622, 0.19427446, 0.36716643, 0.5571599, -0.8678825, -0.9873295, -0.30309415, 0.44105193, -0.49243936]
    }

    返回

    参数 类型 说明 其他
    predicted_result Array 模型的输出
    predicted_label float 房价的预测结果

    示例:

    [
        {
            "predicted_result": [
                [
                    16.114334106445312
                ]
            ]
        },
        {
            "predicted_label": 16.114334106445312
        }
    ]

    逻辑回归的请求及返回说明

    请求

    参数 类型 说明 其他
    text Array 莺尾花的4维归一化后的数据

    示例:

    {
        "text": [1.0147785, -1.3129628, -1.3348082, -0.8980088]
    }

    返回

    参数 类型 说明 其他
    predicted_result Array 模型的输出
    predicted_label integer 预测结果,类别标示,对应类别请参考训练数据集的train.txt文件

    示例:

    [
        {
            "predicted_result": [
                [
                    0.178230881690979,
                    0.1754814237356186,
                    0.646287739276886
                ]
            ]
        },
        {
            "predicted_label": 2
        }
    ]

    图像分类的请求及返回说明

    请求

    参数 类型 说明 其他
    image String 数据集的任一张图片的base64编码后的字符串

    示例:

    {
        "image":"base64  图像转换base64参考https://www.base64-image.de/"
    }

    返回

    参数 类型 说明 其他
    predicted_result Array 模型的输出
    predicted_label integer 预测结果,类别标示,对应类别请参考训练数据集的train.txt文件

    示例:

    [
        {
            "predicted_result": [
                [
                    4.15152685017504e-17,
                    6.219317838507266e-10,
                    1
                ]
            ]
        },
        {
            "predicted_label": 2
        }
    ]

    目标检测的请求及返回说明

    请求

    参数 类型 说明 其他
    image String PASCAL VOC数据集(或任意图片)的任一张图片的base64编码后的字符串

    示例:

    {
        "image":"base64  图像转换base64参考https://www.base64-image.de/"
    }

    返回

    参数 类型 说明 其他
    category_id Integer PASCAL VOC数据类别标示,对应到数据集的label_list文件每个类别的次序
    p1 Array box的左上坐标
    p2 Array box的左下坐标
    p3 Array box的右下坐标
    p4 Array box的右上坐标

    示例:

    [
        {
            "p2": [
                211.43447756767273,
                213.80889415740967
            ],
            "p3": [
                292.56797432899475,
                213.80889415740967
            ],
            "category_id": 15,
            "p1": [
                211.43447756767273,
                0
            ],
            "p4": [
                292.56797432899475,
                0
            ]
        }
    ]

    内置数据集说明及下载地址


    波士顿房价

    类型: txt

    体积: 40KB

    简介: http://www.paddlepaddle.org/documentation/docs/zh/1.2/beginners_guide/quick_start/fit_a_line/README.cn.html 

    下载地址: https://ai-studio-static-online.bj.bcebos.com/preset_dataset/housing.txt


    鸢尾花数据集

    类型: csv

    体积: 4KB

    简介: 约150条数据,每条样本4个属性,共3个类别

    下载地址: https://ai-studio-static-online.bj.bcebos.com/preset_dataset/Iris_DataSet.csv


    MNIST数据集

    类型: zip

    体积: 30MB

    简介: 共包含70000张灰度图

    下载地址: https://ai-studio-static-online.bj.bcebos.com/preset_dataset/mnist.zip

    (MD5: d569e1965b8e90e066681e1dbe864487)


    猫狗数据集

    类型: zip

    体积: 550MB

    简介: 包含25000张RGB图片,其中cat12500张,dog12500张

    下载地址: https://ai-studio-static-online.bj.bcebos.com/preset_dataset/catVsdog.zip

    (MD5: 384bbb42dfc5faf63beaa0cade3d8cff)


    Ox-Flowers17

    类型: zip

    体积: 58MB

    简介: 包含17种不同类型的花,每类包含80张RGB图

    下载地址: https://ai-studio-static-online.bj.bcebos.com/preset_dataset/flowers17.zip 

    (MD5: bd2a8acfe07529b89649e7ca5a866242)


    CIFAR10数据集

    类型: zip

    体积: 51.31MB

    简介: http://www.paddlepaddle.org/documentation/docs/zh/0.14.0/new_docs/beginners_guide/basics/image_classification/README.cn.html

    下载地址: https://ai-studio-static-online.bj.bcebos.com/preset_dataset/cifar10.zip (MD5: 2cf4e2caa2b7759572eef14f47cccf61))


    vegetables

    类型: zip

    体积: 9.5MB

    简介: 包含3类蔬菜(黄瓜、生菜、莲藕),每类包含100张RGB图片

    下载地址: https://ai-studio-static-online.bj.bcebos.com/preset_dataset/vegetables.zip (MD5: 90835e76aa00b6c6bf1ed3b8cba96df5)


    pascalvoc

    类型: zip

    体积: 2.6GB

    简介: 包含20类,共约21503张RGB图像及标注信息

    下载地址: https://ai-studio-static-online.bj.bcebos.com/preset_dataset/pascalvoc.zip  (MD5: 3aaa5ad581114438ab6ba4dbf0720504)

    上一篇
    脚本任务
    下一篇
    模型部署与在线体验