LightGBM算法
is_unbalance 是否提高样本少的类别的权重，用于解决样本不平衡问题。取值范围如下：False（默认）：不提高样本少的类别的权重。True：提高样本少的类别的权重。categorical_feature 类别型特征。取值为字符串数组。一般情况下，算法会通过...
OpenNLU开放域文本理解模型
OpenNLU是开箱即用的文本理解大模型，适用于零样本、少样本条件下进行文本理解任务，如信息抽取、文本分类等。开发者可以通过以下链接，了解如何通过大模型服务平台调用OpenNLU开放域文本理解模型API。快速使用 API详情
模型说明
StructBERT小样本分类：基于StructBert-base，在xnli数据集（将英文数据集重新翻译得到中文数据集）上面进行了自然语言推理任务训练 适用场景：面向文本分类任务，尤其是多层级（最多3级）、标签数目大，训练样本少的低资源场景。...
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...
自定义KV模板
应用场景 少样本冷启动：适用于业务数据样本少（少于20张）、需要快速上线验证的场景。数据版式固定：业务数据类型多，但每一类型数据字段明确可标识且Key-Value位置固定，例如学生证、结婚证、银行转账单等资质审核、财务报销、业务数据...
自定义KV模板
应用场景 少样本冷启动：适用于业务数据样本少（少于20张）、需要快速上线验证的场景。数据版式固定：业务数据类型多，但每一类型数据字段明确可标识且Key-Value位置固定，例如学生证、结婚证、银行转账单等资质审核、财务报销、业务数据...
自定义表格模板
高效率，3-5分钟即可完成一个模板的配置 应用场景 少样本冷启动：适用于业务数据样本少（少于20张）、需要快速上线验证的场景。数据版式固定：版式固定的列表型有框线表格和KV型有框线表格，样式&元素&表头保持不变，但可以有单元格高度的...
自定义表格模板
高效率，3-5分钟即可完成一个模板的配置 应用场景 少样本冷启动：适用于业务数据样本少（少于20张）、需要快速上线验证的场景。数据版式固定：版式固定的列表型有框线表格和KV型有框线表格，样式&元素&表头保持不变，但可以有单元格高度的...
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...
OCR文档自学习概述
本平台采用少样本训练、智能预标注，视觉-语义联合学习等前沿AI技术，支持客户低成本实现个性化场景的文档数字化和信息化业务。提供用户可控的定制化工具，帮助用户实现其业务场景下的模型定制，实现业务数据驱动AI服务。多模态信息抽取，...
OCR文档自学习
零代码自主定制 通过 少样本 等技术手段，降低模型训练门槛，让无算法基础的用户结合自己场景数据，自主完成模型定制，将数据资产转化成服务资产。高精度模型效果 内置超大规模与训练模型，通过高精度、少样本均衡算法，满足不同场景零代码...
OCR文档自学习概述
本平台采用少样本训练、智能预标注，视觉-语义联合学习等前沿AI技术，支持客户低成本实现个性化场景的文档数字化和信息化业务。提供用户可控的定制化工具，帮助用户实现其业务场景下的模型定制，实现业务数据驱动AI服务。多模态信息抽取，...
模型训练
由于LLM已经在公开数据集上使用大量知识进行训练，对于新知识的学习仅需要少量数据集即可，通过少样本的学习，用户在较少的数据量准备以及较短的训练时间就可以完成大模型的训练。在需要加入更多知识的场景下，受限于API提示词的长度，加入...
表格信息抽取
少样本，仅需标注少量数据即可完成模型优化迭代，且模型具有泛化性。低门槛，无需代码开发，开箱即用，可自主配置规则，交互友好可控。高效率，提供智能预标注能力，多人协同标注耗时短。应用场景 支持 列表（List）型表格和键值对（KV）型...
表格信息抽取
少样本，仅需标注少量数据即可完成模型优化迭代，且模型具有泛化性。低门槛，无需代码开发，开箱即用，可自主配置规则，交互友好可控。高效率，提供智能预标注能力，多人协同标注耗时短。应用场景 支持 列表（List）型表格和键值对（KV）型...
长文档信息抽取
少样本，仅需标注少量数据即可完成模型优化迭代，且模型具有泛化性。低门槛，无需代码开发，开箱即用，可自主配置规则，交互友好可控。高效率，提供智能预标注能力，多人协同标注耗时短。应用场景 高性能模型：适用于文档样式/格式较为简单...
长文档信息抽取
少样本，仅需标注少量数据即可完成模型优化迭代，且模型具有泛化性。低门槛，无需代码开发，开箱即用，可自主配置规则，交互友好可控。高效率，提供智能预标注能力，多人协同标注耗时短。应用场景 高性能模型：适用于文档样式/格式较为简单...
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...
概述
矩阵分解、深度神经网络模型等算法都可以生成用户和物品的embedding向量，然而常规的模型还是需要依赖用户和物品的交互行为数据来建模，并不能很好地泛化到冷启动的用户和物品上。现在也有一些可以用来为冷启动用户和物品生成embedding向量...
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...
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...
NVMe协议介绍
机器学习 机器学习是另一个共享盘典型应用场景，在将样本标注写入后，会将数据拆分给多个节点进行神经网络的分布式计算，特别是在以GPU为计算资源的高性能机器学习场景，慢速存储很可能成为整个系统的瓶颈，此时利用NVMe共享云盘的高性能，...
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...
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...
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-...
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...
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...
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...
组件参考：所有组件汇总
单样本T检验 该组件旨在检验某个变量的总体均值与某个指定值之间是否存在显著差异，其检验的样本必须总体服从正态分布。正态检验 该组件通过观测值判断总体是否服从正态分布，是统计判决中重要的一种特殊的拟合优度假设检验。洛伦兹曲线 ...
搜索
相关样本 相关样本 页签展示了该IP的访问样本和下载样本信息，包括文件MD5、扫描时间、威胁标签。相关URL 相关URL 页签展示了该IP相关的URL、扫描时间、威胁标签。相关安全咨询 相关安全咨询 页签展示了该IP相关安全分析报告或者咨询文章...
App端性能体验功能说明
从FirstVC.viewDidLoad()到FirstVC.viewDidAppear()结束，首次渲染完成 网络分析字段 名词 名词解释 响应时间 服务端响应时间，包括接收响应内容的时间 吞吐量 Requests per minute，筛选条件下平均每分钟的 HTTP 请求数量 总耗时 单个网络...
QueryMetricByPage-查询监控指标
pid-rootIp 网络：systemNetInPackets：最近 30 秒平均每秒网络接收到的报文数-systemNetOutPackets：最近 30 秒平均每秒网络发送的字节数-systemNetInErrs：最近 30 秒平均每秒网络接收的错误数-systemNetOutErrs：最近 30 秒平均每秒网络...
QueryMetricByPage-查询监控指标
pid-rootIp 网络：systemNetInPackets：最近 30 秒平均每秒网络接收到的报文数-systemNetOutPackets：最近 30 秒平均每秒网络发送的字节数-systemNetInErrs：最近 30 秒平均每秒网络接收的错误数-systemNetOutErrs：最近 30 秒平均每秒网络...
回调及监听
1.1 onNetworkQualityChanged 网络质量变化时回调。1.1 onOccurWarning 警告回调。1.1 onOccurError 错误回调。1.1 onFirstPacketSent 首帧数据发送成功回调。1.1 onFirstPacketReceived 首包数据接收成功回调。1.13 onConnectionLost 网络...
自定义文本库
如果经过引擎分析特征数太少，该文本样本将不会生效，引擎将其直接忽略。说明 如果一段样本都是无意义的字母数字，或各种表情符等，则可能被忽略。操作步骤 登录 内容安全控制台。在左侧导航栏，选择 机器审核>风险库管理。单击 创建文本库...
使用限制
重要 由于网络攻击手段、病毒样本在不断演变，实际的业务环境也有不同差异，因此云安全中心无法保证能实时检测防御所有的未知威胁，建议您基于安全告警处理、漏洞、基线检查、云平台配置检查等安全能力，提升整体安全防线，预防黑客入侵、...
偏最小二乘回归
偏最小二乘回归提供一种多对多线性回归建模的方法，特别当两组变量的个数很多，且都存在多重相关性，而观测数据的数量（样本量）又较少时，用偏小二乘回归建立的模型具有传统的经典回归分析等方法所没有的优点。计算逻辑原理 偏最小二乘...
规划网段
设置办公网络VPC之前需要注意以下信息，以确保能够在该办公网络内创建出符合要求的云电脑数量：子网掩码数值越大，办公网络内包含的IP地址数量越少，则该办公网络内可创建的云电脑数量越少。不支持使用100.64.0.0/10、127.0.0.0/8、169.254...
- 产品推荐
- 这些文档可能帮助您