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 →

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 →

适用于SDC算法 场景介绍 算法购买和安装（离线） 算法购买和安装（在线） 父主题： 购买与安装

查看更多 →

华为云MetaStudio数字人照片建模算法 备案编号 网信算备520111252474601230033号 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。

查看更多 →

常规配置参数 算法类型 参数名 参数描述 XGBoost 学习率 控制权重更新的幅度，以及训练的速度和精度。取值范围为0~1的小数。 树数量 定义XGBoost算法中决策树的数量，一个样本的预测值是多棵树预测值的加权和。取值范围为1~50的整数。 树深度 定义每棵决策树的深度，根节点为第一层。取值范围为1~10的整数。

查看更多 →

分子生成、属性预测、生物活性预测和分子优化等20多个药物发现任务上均达到性能最优。 SPONGE 分子模拟是指利用计算机以原子水平的分子模型来模拟分子结构与行为，进而模拟分子体系的各种物理、化学性质的方法。它是在实验基础上，通过基本原理，构筑起一套模型和算法，从而计算出合理的分子

查看更多 →

分子生成、属性预测、生物活性预测和分子优化等20多个药物发现任务上均达到性能最优。 SPONGE 分子模拟是指利用计算机以原子水平的分子模型来模拟分子结构与行为，进而模拟分子体系的各种物理、化学性质的方法。它是在实验基础上，通过基本原理，构筑起一套模型和算法，从而计算出合理的分子

查看更多 →

可以以列表的形式查看分子优化的作业，单击左上角“下载”，下载分子优化的结果或者分子3D构象。如果分子设置了靶点，可以下载小分子或复合物，若分子未设置靶点，只能下载小分子。 分子优化对应的下游分析为分子优化和合成路径，通过单击“下游分析”可以进行创建。 如果分子设置了靶点，可以单击

查看更多 →

下游分析：分子优化对应的下游分析为分子搜索、分子属性预测、分子优化和合成路径，单击“确定”即可创建。 下载3D：如果分子设置了靶点，可以单击“下载3D”下载优化后的小分子或者复合物，如果分子未设置靶点，单击“下载3D”只能下载小分子。 每个分子卡片上会展示相应分子序号与对应的参数Vina Score、QED、SaScore

查看更多 →

单击“提交”，提交任务。 分子生成结果支持以列表视图的形式进行查看 可以以列表的形式查看分子生成的作业，单击左上角“下载”，下载分子生成的结果或者分子3D构象。如果分子设置了靶点，可以下载小分子或复合物，若分子未设置靶点，只能下载小分子。 分子生成对应的下游分析为分子搜索、分子优化和合成路径，通过单击“下游分析”可以进行创建。

查看更多 →

分子搜索 可自定义数据库，以用户输入的参考化合物结构为起点，可以按照相似度或者骨架从小分子数据库中搜索到相似结构和排序，可实现百亿级小分子的秒级搜索。 单击“分子搜索”功能卡片，进入分子搜索页面。 在配置页面，进行分子搜索配置，包括输入小分子、选择搜索算法、选择输出个数。 图1 分子搜索页面

查看更多 →

纵向联邦作业XGBoost算法只支持两方参与训练。 训练作业必须选择一个当前计算节点发布的数据集。 作业创建者的数据集必须含有特征。 创建纵向联邦学习作业 纵向联邦学习作业在本地运行，目前支持XGBoost算法、逻辑回归LR算法和FiBiNET算法。 纵向联邦学习分为五个步骤：数据选择

查看更多 →

性算力，大数据等技术加速计算过程。 支持十亿节点、百亿边的超大规模图数据库查询，提供适用于基因和生物网络数据的图深度学习算法。 拥有基于基因组数据自动深度学习的技术框架AutoGenome，深度融合人工智能技术，产生更加便捷、快速、准确、可解释的医疗智能模型，加速医疗大健康行业的研究工作。

查看更多 →

预测等领域。逻辑斯蒂回归算法通过在线性回归的基础上叠加一个sigmoid激活函数将输出值映射到[0,1]之间，是机器学习领域里常用的二分类算法。LR算法参数请参见逻辑斯蒂回归。 因子分解机算法是一种基于矩阵分解的机器学习算法，能够自动进行二阶特征组合、学习特征之间的关系，无需人工

查看更多 →

数据扩增通过简单的数据扩增例如缩放、裁剪、变换、合成等操作直接或间接的方式增加数据量。 数据生成应用相关深度学习模型，通过对原数据集进行学习，训练生成新的数据集的方式增加数据量。 数据域迁移应用相关深度学习模型，通过对原域和目标域数据集进行学习，训练生成原域向目标域迁移的数据。

查看更多 →

登录行业视频管理服务后台。 选择“远程配置 > 智能配置 > 自研算法配置” ，左侧选择需要配置的设备。 开启“态势分析智能”开关，单击“确定”。 单击“热区分析”。 图1 热区分析 配置“规则配置”参数，如图2所示，参数说明如表1所示。 图2 规则配置 表1 参数说明 参数 说明 检测区域 绘制多

查看更多 →

0中的Keras高层接口及TensorFlow2.0实战 深度学习预备知识 介绍学习算法，机器学习的分类、整体流程、常见算法，超参数和验证集，参数估计、最大似然估计和贝叶斯估计 深度学习概览 介绍神经网络的定义与发展，深度学习的训练法则，神经网络的类型以及深度学习的应用 图像识别、语音识别、 机器翻译 编程实验

查看更多 →

社区分类 管理社区的分类，管理员可添加、编辑、删除问答社区。 在“知识”下拉菜单选择“知识”，进入 知识管理 界面。单击“社区”> “分类”，点击“添加分类”。 父主题： 社区

查看更多 →

TOPS 机器学习、深度学习、训练推理、科学计算、地震分析、计算金融学、渲染、多媒体编解码。 支持开启/关闭超线程功能，详细内容请参见开启/关闭超线程。 推理加速型 Pi1 NVIDIA P4（GPU直通） 2560 5.5TFLOPS 单精度浮点计算 机器学习、深度学习、训练推理、

查看更多 →

对业务场景为简单场景的企业或政府单位进行算法原型开发或者优化服务，基于脱敏数据，训练深度学习或机器学习模型，形成相关的验证报告。简单场景工作量预计不超过17人天 300,000.00 每套 AI算法原型开发-标准版 对业务场景为普通场景的企业或政府单位进行算法原型开发或者优化服务，基于脱敏数据，训练深度学习或机器

查看更多 →

分子优化（MO） 新建分子优化任务接口 查询分子优化任务 父主题： API（AI辅助药物设计）

查看更多 →