北京市1985年-2017年城镇化进度 支持多种经典机器学习分类算法，如K-Means、随机森林、正态贝叶斯、支持向量机、期望最大EM等，实现遥感影像快速分类 图6 基于K-Means算法的分类结果图 图7 基于正态贝叶斯的分类结果图 支持调用PIE-Engine AI平台的丰富深度学习模型进行实时解译 图8

查看更多 →

为了降低开发者的专业要求，提升开发者模型训练的开发效率及训练性能，ModelArts提供了可视化作业管理、资源管理、版本管理等功能，基于机器学习算法及强化学习的模型训练自动超参调优，如learning rate、batch size等自动的调参策略；预置和调优常用模型，简化模型开发和全流程训练管理。

查看更多 →

2019-10-30 JupyterLab环境编辑界面的菜单优化，对应“特征工程”章节内容调整和优化。 新增如下章节： Notebook开发 创建超参优化服务 创建Tensorboard 2019-04-30 第一次正式发布。 父主题： 用户指南

查看更多 →

时变化，导致超卖资源变化较快，为了避免节点频繁缩容和扩容，在节点缩容评估时暂不考虑超卖资源。 当前特性支持集群内在离线作业混部以及节点CPU和内存资源超卖，关键特性如下： 离线作业优先使用超卖节点 若同时存在超卖与非超卖节点，在离线作业调度过程中，超卖节点得分高于非超卖节点，离线作业优先调度到超卖节点。

查看更多 →

如何调整直播画面的分辨率？ 前提条件 智能安监PC用户进入智能安监直播页面。 操作步骤-电脑端 坐席接入视频直播页面。 点击“”图标，查看分辨率切换菜单。直播默认为“标清” 选择需要切换的分辨率即可 图1 修改直播分辨率 操作步骤-手机端 手机用户通过业务->我的应用->智能安监，接入设备的视频直播页面。

查看更多 →

dpi); 功能描述 设置云手机的物理分辨率或屏幕密度（在出流过程中调用该接口设置物理分辨率会失败）。 输入参数 表1 输入参数说明 参数名称 说明 width 目标屏幕宽度，默认值为当前云手机规格分辨率宽度，设置范围[240, 云手机分辨率规格宽度]。 height 目标屏幕高

查看更多 →

声音分类场景。可根据最终部署环境和开发者需求的推理速度，自动调优并生成满足要求的模型。 图1 自动学习流程 ModelArts的自动学习不止为入门级开发者使用设计，还提供了“自动学习白盒化”的能力，开放模型参数，实现模板化开发。很多资深的开发者说，希望有一款工具，可以自动生成模型

查看更多 →

创建超参优化服务 超参优化服务可以对已创建好的模型训练工程进行超参调优，通过训练结果对比，选择一组最优超参组合。并不是所有的训练工程都可以创建超参优化服务。创建超参优化服务对已创建的训练工程要求如下： 训练工程是可以成功执行训练任务的 训练工程中超参是通过SDK（softcomai

查看更多 →

创建联邦学习工程 创建工程 编辑代码（简易编辑器） 编辑代码（WebIDE） 模型训练 父主题： 模型训练

查看更多 →

自动学习（新版） 自动学习简介 图像分类 物体检测 预测分析 声音分类 文本分类 使用窍门

查看更多 →

自动学习（旧版） 自动学习简介 图像分类 物体检测 预测分析 声音分类 文本分类 使用窍门

查看更多 →

自动学习简介 自动学习功能介绍 ModelArts自动学习是帮助人们实现AI应用的低门槛、高灵活、零代码的定制化模型开发工具。自动学习功能根据标注数据自动设计模型、自动调参、自动训练、自动压缩和部署模型。开发者无需专业的开发基础和编码能力，只需上传数据，通过自动学习界面引导和简单操作即可完成模型训练和部署。

查看更多 →

Standard自动学习 使用ModelArts Standard自动学习实现口罩检测 使用ModelArts Standard自动学习实现垃圾分类

查看更多 →

征的多行样本进行可信联邦学习，联合建模。 模型评估 评估训练得出的模型权重在某一数据集上的预测输出效果。 纵向联邦机器学习 纵向联邦机器学习，适用于参与者训练样本ID重叠较多，而数据特征重叠较少的情况，联合多个参与者的共同样本的不同数据特征进行可信联邦学习，联合建模。 概念术语

查看更多 →

适用于不需要转码处理的场景。 system_template_group 视频转码模板组，内置了4k、2k、超清、高清、标清、流畅六种清晰度。 适用于不清楚如何设置分辨率宽高和码率的场景，该模板支持快捷选择画质、格式、水印等。 original_temate_group 转封装格式组，只改变音视频文件的封装格式。

查看更多 →

毒。 创建Linux防护策略完成后，智能学习策略通过机器学习引擎学习关联服务器上的可信进程修改文件的行为，对绕过诱饵文件的勒索病毒进行告警。 Windows防护勒索 创建Windows防护策略完成后，智能学习策略通过机器学习引擎学习关联服务器上的可信进程修改文件的行为，对非可信进程修改文件的行为进行告警。

查看更多 →

已发布区域：北京四、北京二 如何创建多方安全计算作业？ 可信联邦学习作业 可信联邦学习作业是 可信智能计算服务 提供的在保障用户数据安全的前提下，利用多方数据实现的联合建模，曾经也被称为联邦机器学习。 横向联邦机器学习 横向联邦机器学习，适用于参与者的数据特征重叠较多，而样本ID重叠较少的情

查看更多 →

自动学习 垃圾分类（使用新版自动学习实现图像分类） 预置算法 使用AI Gallery的预置算法训练模型 订阅模型部署在线服务 一键完成商超商品模型部署 自定义镜像 用于推理部署 从0-1制作自定义镜像并创建AI应用 05 自动学习 ModelArts自动学习是帮助人们实现AI应用的低

查看更多 →

快速部署 本章节主要帮助用户快速部署“超分辨率转换”解决方案。 表1 参数说明 参数名称 类型 是否可选 参数解释 默认值 functiongraph_name string 必填 函数工作流 FunctionGraph名称前缀，不支持重名。命名方式：{functiongraph

查看更多 →

容器批量计算可广泛用于高性能计算（High Performance Compute，简称HPC）、AI/大数据、基因等场景。 HPC 适用于超算、气象、科研教育、视频转码（视频格式转换、视频分辨率变化、添加水印/logo的）等领域。 AI/大数据 适用于 内容审核 、OCR、图像识别、图片处理、美颜、 语音识别 、

查看更多 →

，帮助开发者快速了解MLS的基本能力。 如果您想快速了解MLS的建模过程，您可以参考使用MLS预置算链进行机器学习建模章节，一键运行预置算链完成建模。 如果您了解如何从0到1在MLS上新建1条算链并完成建模，您可以参考从0到1利用ML Studio进行机器学习建模章节。该教程可以帮助您全面了解ML

查看更多 →