超分辨率转换

体验盘古预置模型能力 登录盘古大模型套件平台，在左侧导航栏中单击“能力调测”。 如图所示，能力调测页面提供了文本补全和多轮对话功能，且每种功能都提供了预置的盘古大模型供用户体验。用户可以在页面右侧进行参数设置，然后在输入框中输入问题，模型就会返回对应的答案内容，具体参数信息如下表。

查看更多 →

的精装数字化解决方案： 在样板间装修完工前，可通过3D云设计软件实现方案自动化设计，效果图高保真渲染、短视频制作，提前1~2个月开展拓客推广； 全自动化的装修设计，可实现全屋SKU可视化替换，提升个性化精装房售卖转化率30%； 方案设计定稿后，系统可自动对材料算量拆单，实现设计与

查看更多 →

器迁移时，挂载的云硬盘将一同迁移，这种存储方式适用于需要永久化保存的数据。 文件存储卷： CCE支持创建SFS存储卷并挂载到容器的某一路径下，也可以使用底层SFS服务创建的文件存储卷，SFS存储卷适用于多读多写的持久化存储，适用于多种工作负载场景，包括媒体处理、内容管理、大数据分析和分析工作负载程序等场景。

查看更多 →

数据增强：在传统机器学习中，可以通过简单的重复上采样方式来扩充数据，但该方法不适用于大模型微调的场景，这将导致模型的过拟合。因此可以通过一些规则来扩充数据，比如：同义词替换、语法结构修改、标点符号替换等，保证数据的多样性。 基于大模型的数据泛化：您可以通过调用大模型（比如盘古提供的任

查看更多 →

； 通过CBR备份，提高备份的安全性，缩短恢复时间 方案优势 高性能纯国产底层求解能力：杉数科技成立近8年来，凭借定制化模型+算法求解能力，为大规模人工智能决策应用提供不可或缺的高效计算服务。 供应链端到端一体化服务：覆盖企业经营的完整链路，模块之间松耦合，数据驱动加算法支撑，为企业未来生意增长提供核心助力。

查看更多 →

算法基本原理 分身数字人驱动算法是指通过深度学习生成数字人驱动模型，模型生成后，输入音频来合成数字人视频的一种技术。 其基本情况包括： 输入数据：真人视频、音频。 算法原理：通过深度学习算法来学习真人视频，生成驱动该真人形象的数字人模型。通过该模型输入音频，合成数字人视频。 输出结果：数字人视频。

查看更多 →

消耗，且可能提高泛化能力。因此，批大小需要根据数据集的规模和特点，以及模型的复杂度和性能进行调整。同时，批大小还与学习率相关。学习率是指每次更新参数时，沿着梯度方向移动的步长。一般来说，批大小和学习率成正比。如果批大小增大，学习率也相应增大；如果批大小减小，那么学习率也应减小。 训练轮数

查看更多 →

提供端到端AI生产线能力和高性能AI算力，提升大模型推理效率，为矿山行业带来更高效、智能、安全和可持续的生产方案。 铁路 实现列车智能调度、设备故障预测、铁路线路安全监控等功能。 医疗 报告智能解读、互联网检验以及居民全周期健康管理等领域的应用，为用户提供更加多元化、智慧化、精益化的服务。

查看更多 →

在旧版体验式开发模式下，模型训练服务支持的特征操作有重命名、归一化、数值化、标准化、特征离散化、One-hot编码、数据变换、删除列、选择特征、卡方检验、信息熵、新增特征、PCA。对应JupyterLab交互式开发模式，是界面右上角的图标中的“数据处理”菜单下面的数据处理算子。 模型包 将模型

查看更多 →

启用盘古大模型搜索增强能力 大模型在训练时使用的是静态的文本数据集，这些数据集通常是包含了截止到某一时间点的所有数据。因此，对于该时间点之后的信息，大模型可能无法提供。 通过将大模型与盘古搜索结合，可以有效解决数据的时效性问题。当用户提出问题时，模型先通过搜索引擎获取最新的信息，

查看更多 →

面向开发者提供了AI Gallery大模型开源社区，通过大模型为用户提供服务，普及大模型行业。AI Gallery提供了大量基于昇腾云底座适配的三方开源大模型，同步提供了可以快速体验模型的能力、极致的开发体验，助力开发者快速了解并学习大模型。 构建零门槛线上模型体验，零基础开发者开箱即用，初学者三行代码使用所有模型

查看更多 →

创建模型微调流水线 模型微调是指调整大型语言模型的参数以适应特定任务的过程，适用于需要个性化定制模型或者在特定任务上追求更高性能表现的场景。这是通过在与任务相关的数据集上训练模型完成，所需的微调量取决于任务的复杂性和数据集的大小。在深度学习中，微调用于改进预训练模型的性能。 前提条件

查看更多 →

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

查看更多 →

应用容器化改造流程 步骤1：对应用进行分析 步骤2：准备应用运行环境 步骤2：准备应用运行环境 步骤2：准备应用运行环境 更多 云服务器 卡顿 应用容器化改造介绍 应用容器化改造流程 步骤1：对应用进行分析 步骤2：准备应用运行环境 更多 Ping不通 应用容器化改造介绍 应用容器化改造流程

查看更多 →

图片/音频标注是为数据工程师、数据科学家等提供的辅助标注工具。提供界面化数据查看、单点数据标注、保存标注结果、标注结果发布数据集等功能。可准确、高效、安全地完成各类型数据的标注任务，为客户提供专业的数据标注服务能力，助力客户高效开展算法模型训练与机器学习，快速提高AI领域竞争力。 图片/音频标注数据标注支持

查看更多 →

平台提供点云和图片的人工标注和预标注。 支持数据预标注功能，节省大量人力成本。 训练服务 以模型为核心。 平台提供软硬件加速模型训练和推理，大幅缩短训练时间，提升训练效率。 支持上传自定义算法和自定义模型，提升算法泛化能力和识别率。 支持模型管理与评测，提高模型的准确性，持续提升自动驾驶安全系数。 仿真服务 以测试为核心。

查看更多 →

应用容器化改造流程 步骤1：对应用进行分析 步骤2：准备应用运行环境 步骤2：准备应用运行环境 步骤2：准备应用运行环境 更多 访问外网 应用容器化改造介绍 应用容器化改造流程 步骤1：对应用进行分析 步骤2：准备应用运行环境 更多 常见问题 了解更多常见问题、案例和解决方案 高频常见问题

查看更多 →

息的完整性和准确性，为患者提供更好的诊疗体验和健康管理。 利用大模型技术提升科研能力 基于大模型技术对临床病历文书、检查检验报告等进行结构化、标准化、归一化处理，形成全结构化数据中心。在此基础上，根据专病进行配置化数据建模。通过融合院内外数据，形成完整的专病库数据，医生可以更加准

查看更多 →

流程质量管理，提升企业的质量管理能力和减少产品质量损失； 快速扩展，安全稳定：构建基于iDME元数据的标准化SaaS应用优势，元数据驱动，开发超过30个以上的标准化元数据驱动功能模块，快速扩展，安全稳定； 自主可控：与其它国产工业软件协同，以模型纬度定义在产品生命周期过程中的数据

查看更多 →

时中标，并通过自动化确保系统迅速响应竞价，广告推广商必须能够根据业务压力灵活快速并且成本可控地增加容量。 竞享实例的应用 客户使用包周期实例作为常规容量提供服务，在业务高峰时，得益于竞享实例低成本及快速扩缩容特性，竞享实例为系统提供可变容量以应对流量洪峰。自动化是这项业务的关键，

查看更多 →

使用Kubernetes默认GPU调度 GPU虚拟化 GPU虚拟化能够动态对GPU设备显存与算力进行划分，单个GPU卡最多虚拟化成20个GPU虚拟设备。相对于静态分配来说，虚拟化的方案更加灵活，最大程度保证业务稳定的前提下，可以完全由用户自己定义使用的GPU量，提高GPU利用率。 GPU虚拟化 NPU调度 CC

查看更多 →