盘古CV大模型
盘古CV大模型规格
盘古CV大模型基于海量图像、视频数据和盘古独特技术构筑的视觉基础模型，赋能行业客户利用少量场景数据对模型微调即可实现特定场景任务。
ModelArts Studio大模型开发平台为用户提供了多种规格的CV大模型，如图像分类、目标检测、图像分割、姿态估计等以满足不同场景和需求。以下是当前支持的模型清单，您可以根据实际需求选择最合适的模型进行开发和应用。
|
模型支持区域 |
模型名称 |
应用场景 |
行业 |
说明 |
|---|---|---|---|---|
|
西南-贵阳一 |
Pangu-CV-物体检测-S-3.1.0 |
物体检测 |
通用 |
从高精度、低时延、小目标检测三方面进行定向优化，为业界性价比最优检测模型。 |
|
Pangu-CV-物体检测-S-2.1.0 |
物体检测 |
通用 |
小参数量物体检测，使用盘古自有海量数据进行预训练。 |
|
|
Pangu-CV-物体检测-N-2.1.0 |
物体检测 |
通用 |
千万到亿级参数量物体检测，支持模型抽取，使用盘古自有海量数据进行预训练。 |
|
|
Pangu-CV-图像分类-2.1.0 |
图像分类 |
通用 |
使用盘古统一预训练基模型底座，添加分类任务头构建图像分类模型。 |
|
|
Pangu-CV-语义分割-2.1.0 |
语义分割 |
通用 |
使用盘古统一预训练基模型底座，添加分割任务头构建语义分割模型。 |
|
|
Pangu-CV-实例分割-1.1.0 |
实例分割 |
通用 |
使用盘古统一预训练基模型底座，添加分类任务头构建语义分割模型。 |
盘古CV大模型支持的平台操作
在选择和使用盘古大模型时，了解不同模型所支持的操作行为至关重要。不同模型在预训练、微调、模型评测、模型压缩、在线推理和能力调测等方面的支持程度各不相同，开发者应根据自身需求选择合适的模型。以下是盘古CV大模型支持的具体操作：
|
模型名称 |
微调 |
L2云上部署 |
L2边缘部署 |
L0部署 |
边用边学 |
|---|---|---|---|---|---|
|
Pangu-CV-物体检测-S-3.1.0 |
√ |
√ |
√ |
- |
√ |
|
Pangu-CV-物体检测-S-2.1.0 |
√ |
√ |
√ |
- |
- |
|
Pangu-CV-物体检测-N-2.1.0 |
√ |
√ |
√ |
- |
- |
|
Pangu-CV-图像分类-2.1.0 |
√ |
√ |
√ |
√ |
√ |
|
Pangu-CV-语义分割-2.1.0 |
√ |
√ |
√ |
- |
- |
|
Pangu-CV-实例分割-1.1.0 |
√ |
√ |
√ |
- |
√ |
盘古CV大模型对资源池的依赖
|
模型名称 |
云上部署 |
边缘部署 |
|---|---|---|
|
Pangu-CV-物体检测-S-3.1.0 |
支持，4个推理单元部署 |
支持，4个推理单元部署 |
|
Pangu-CV-物体检测-S-2.1.0 |
支持，4个推理单元部署 |
支持，4个推理单元部署 |
|
Pangu-CV-物体检测-N-2.1.0 |
支持，4个推理单元部署 |
支持，4个推理单元部署 |
|
Pangu-CV-图像分类-2.1.0 |
支持，4个推理单元部署 |
支持，4个推理单元部署 |
|
Pangu-CV-语义分割-2.1.0 |
支持，4个推理单元部署 |
支持，4个推理单元部署 |
|
Pangu-CV-实例分割-1.1.0 |
支持，4个推理单元部署 |
支持，4个推理单元部署 |
