深度学习模型预测 深度学习已经广泛应用于图像分类、图像识别和 语音识别 等不同领域， DLI 服务中提供了若干函数实现加载深度学习模型并进行预测的能力。 目前可支持的模型包括DeepLearning4j 模型和Keras模型。由于Keras它能够以 TensorFlow、CNTK或者 Theano

查看更多 →

算法基本原理 数字人照片建模算法是指使用深度学习算法将已授权的人像照片信息转换为数字人3D模型的一种技术。 其基本情况包括： 输入数据：有授权的人像照片。 算法原理：使用深度学习算法，将人像照片转换为数字人3D模型。 输出结果：数字人3D模型。 应用领域：数字人照片建模算法可应用

查看更多 →

深度学习模型预测 深度学习已经广泛应用于图像分类、图像识别和语音识别等不同领域，DLI服务中提供了若干函数实现加载深度学习模型并进行预测的能力。 目前可支持的模型包括DeepLearning4j 模型和Keras模型。由于Keras它能够以 TensorFlow、CNTK或者 Theano

查看更多 →

视觉套件 行业套件介绍 新建应用 零售商品识别工作流 热轧钢板表面缺陷检测工作流 云状识别工作流 刹车盘识别工作流 无监督车牌检测工作流 第二相面积含量测定工作流 通用图像分类工作流 更新应用版本 查看应用详情 监控应用 管理设备 删除应用

查看更多 →

各个模型深度学习训练加速框架的选择 LlamaFactory框架使用两种训练框架： DeepSpeed和Accelerate都是针对深度学习训练加速的工具，但是它们的实现方式和应用场景有所不同。 DeepSpeed是一种深度学习加速框架，主要针对大规模模型和大规模数据集的训练。D

查看更多 →

视觉套件 视觉套件旨在帮助各行业客户快速开发满足业务诉求的视觉AI应用，同时支持客户自主进行工作流编排，快速实现AI应用的开发和部署，提升视觉AI开发效率。 视觉套件提供了预置工作流，覆盖多种场景，支持自主上传训练数据，自主构建和升级高精度识别模型。用户自定义模型精度高，识别速度快。

查看更多 →

视觉定位 接口列表 视觉定位需要使用的接口如表1所示。 表1 视觉定位接口列表 接口 描述 参数名 参数类型 参数说明 返回值 getToken 向 服务器 请求签名。 - - - Promise<any> setAKSK 验证租户身份信息。 requestParams { AK: string;

查看更多 →

视觉定位 功能介绍 视觉定位是根据图像耦合GPS数据确定设备的位置的一项技术。首先通过拍摄一系列具有已知位置的图像并分析它们的关键视觉特征（例如建筑物或桥梁的轮廓）来创建地图，以创建这些视觉特征的大规模且可快速搜索的索引。将设备图像中的特征与索引中的特征进行比较，可获得目标设备的位姿。

查看更多 →

成快速户型图生成 户型图部件自动识别：利用深度学习技术，自动识别2D户型图的墙体、门窗、比例尺。 户型图精校：利用比例尺生成3D真实世界坐标点，呈现精准户型 图2 户型图 硬装、柜体智能布置 自动化精装设计：基于AI和大数据，通过深度学习16.3亿图纸方案，实现精装方案自动设计.

查看更多 →

登录管理控制台，进入 弹性云服务器 列表页面。 在待深度诊断的E CS 的“操作”列，单击“更多 > 运维与监控 > 深度诊断”。 （可选）在“开通云运维中心并添加权限”页面，阅读服务声明并勾选后，单击“开通并授权”。 若当前账号未开通并授权COC服务，则会显示该页面。 在“深度诊断”页面，选择“深度诊断场景”为“全面诊断”。

查看更多 →

培训内容 培训内容 说明 神经网络基础 介绍深度学习预备知识，人工神经网络，深度前馈网络，反向传播和神经网络架构设计 图像处理理论和应用 介绍计算机视觉概览，数字图像处理基础，图像预处理技术，图像处理基本任务，特征提取和传统图像处理算法，深度学习和卷积神经网络相关知识 语音处理理论和应用

查看更多 →

大连税务虚拟数字人系统是一种人工智能技术应用，它采用深度学习算法、 自然语言处理 技术、智能语音技术以及计算机视觉技术等，将虚拟形象与人工智能技术很好地结合，从而创建出一种可以与人进行面对面互动沟通的虚拟客服系统。通过深度融合语义理解、智能语音、计算机视觉三方面的AI技术，虚拟数字人系统可以模拟

查看更多 →

高精度：AR地图运行服务视觉定位和导航可实现厘米级定位精度。 高效率：外业数据一次采集生成多种AR成果数据，应用到虚实融合、定位、导航等多个场景，极大地提升数据采集和地图生产效率。 全自动：全自动化AR地图生产，用户只需上传全景相机数据，一键启动和完成地图生产。 高逼真：通过AI深度估计和3D

查看更多 →

基于CodeArts IDE Online、TensorFlow和Jupyter Notebook开发深度学习模型 概要 准备工作 导入和预处理训练数据集 创建和训练模型 使用模型

查看更多 →

3D回放 3D回放页面支持加载本地OSI，OpenDRIVE文件，以便于回放本地场景。 在左侧菜单栏中单击“仿真服务 > 并行仿真”。 在界面的右上角，单击“3D回放”，进入到3D回放界面。 单击界面右上角“加载本地文件”。 图1 加载本地文件 添加需要加载的本地文件，单击“确认”。界面回放本地文件。

查看更多 →

迁移学习 如果当前数据集的特征数据不够理想，而此数据集的数据类别和一份理想的数据集部分重合或者相差不大的时候，可以使用特征迁移功能，将理想数据集的特征数据迁移到当前数据集中。 进行特征迁移前，请先完成如下操作： 将源数据集和目标数据集导入系统，详细操作请参见数据集。 创建迁移数据

查看更多 →

可见范围内的学员在学员端可看见此项目并可以进行学习，学习数据可在学习项目列表【数据】-【自学记录】查看。 学习设置： 防作弊设置项可以单个项目进行单独设置，不再根据平台统一设置进行控制。 文档学习按浏览时长计算，时长最大计为：每页浏览时长*文档页数；文档学习按浏览页数计算，不计入学习时长。 更多设置：添加协同人

查看更多 →

学习目标 掌握座席侧的前端页面开发设计。 父主题： 开发指南

查看更多 →

数字孪生—视觉管理功能 添加模型操作 登录数字孪生管理控制台。 单击左半侧目录“视觉管理”。 单击页面右侧页面内容左上方“添加”，进入“添加视觉”页面。 图1 添加视觉页面1 图2 添加视觉页面2 修改视觉操作 登录数字孪生管理控制台。 单击左半侧目录“视觉管理”。 单击页面右侧

查看更多 →

3D回放 前提要求 3D回放对回放机器配置有以下要求： 回放机器需要GPU硬件。硬件加速的方式：在chrome设置-高级中打开硬件加速 。 机器的参考配置（低配）：8核cpu 、UHD620的gpu 、16G内存 、100Mbps带宽。 查看3D回放 3D回放页面详细说明如下： 图1

查看更多 →

API概览 云地图服务 接口的分类与说明如表1所示。 表1 API概览 类型 说明 视觉定位 通过拍摄一系列具有已知位置的图像并分析它们的关键视觉特征（例如建筑物或桥梁的轮廓）来创建地图，以创建这些视觉特征的大规模且可快速搜索的索引。将设备图像中的特征与索引中的特征进行比较，可获得目标设备的位姿。

查看更多 →