资讯 社区 文档 控制台
技术能力
语音技术
文字识别
人脸与人体
图像技术
语言与知识
视频技术
AR与VR
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
信息服务
智能园区

Notebook 模板使用指南概述

Notebook 模板使用指南概述

BML 基于 Jupyter 提供了在线的交互式开发环境 Notebook 建模,不但免去了用户准备开发环境的过程,而且可以帮助用户轻松的实现数据集、代码以及模型的管理。

模板概述

BML Notebook 建模为开发者提供了图像分类-单图单标签、图像分类-单图多标签、物体检测、NLP 通用和通用等多种模板。

image.png

其中需要注意的是:

1、图像分类-单图单标签、图像分类-单图多标签、物体检测等模板仅支持 PaddlePaddle 框架训练产出的对应方向模型进行后续的部署,如:图像分类-单图单标签仅支持 PaddlePaddle 框架训练的图像分类-单图单标签模型进行后续部署。

2、NLP 通用模板仅支持 PaddlePaddle 框架 wenxin 套件训练产出的文本分类-单标签、文本分类-多标签、短文本相似度、序列标注模型的后续部署。

3、通用 Notebook 产出的模型支持 图像分类单标签、图像分类多标签、物体检测、表格预测 四种应用方向的模型,各个方向支持的模型框架如下:

  • 图像分类单标签:PaddlePaddle、Tensorflow、Caffe、Pytorch、MXMet、Darknet、ONNX
  • 图像分类多标签:PaddlePaddle、Tensorflow、Caffe、Pytorch、MXMet、Darknet、ONNX
  • 物体检测:PaddlePaddle、caffe、Darknet
  • 表格预测:sklearn、xgboost

使用指南列表

本文针对各模板均提供了使用指南如下:

1、基于 Notebook 的 NLP 通用模板使用指南

2、基于 Notebook 的图像分类模板使用指南

3、基于 Notebook 的物体检测模板使用指南

4、基于 Notebook 的通用模板使用指南

上一篇
预置模型调参建模
下一篇
基于 Notebook 的 NLP 通用模板使用指南