不要把明显不同的多个任务数据放在同一个数据集内。 为了保证模型的预测准确度，训练样本跟真实使用场景尽量相似。 为保证模型的泛化能力，数据集尽量覆盖可能出现的各种场景。 物体检测数据集中，如果标注框坐标超过图片，将无法识别该图片为已标注图片。 在上传数据时，请选择非加密桶进行上传，否则会由于加密桶无法解密导致后期的训练失败。

查看更多 →

last_notify_time Long 团队标注成员任务邮件最近一次通知时间戳。 pass_rate Double 团队标注成员任务验收审核通过率。 role Integer 团队标注成员角色。 sample_stats SampleStats object 团队标注成员任务样本统计信息。 score

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 →

以换行符作为分隔符，每行数据代表一个样本数据，单个样本不能有分行显示，不支持换行。 基于已设计好的实体标签准备文本数据。每个实体标签需要准备20个及以上数据，为了训练出效果较好的模型，建议每个实体标签准备100个以上的数据。 本工作流只支持上传未标注数据，将待标注的内容放在一个文本文件内。

查看更多 →

algorithm 否 String 样本对齐算法。 OPRF, SQL_JOIN; 枚举值： OPRF SQL_JOIN datasets 否 Map<String,String> 样本对齐数据集 align_ids 否 Map<String,String> 样本对齐字段ID集合 agents

查看更多 →

查询单个样本详情 根据样本ID查询数据集中指定样本的详细信息。 dataset.get_sample_info(sample_id) 示例代码 根据ID查询数据集中样本的详细信息 from modelarts.session import Session from modelarts

查看更多 →

t体。 name：必选字段，标注内容的类别。 pose：必选字段，标注内容的拍摄角度。 truncated：必选字段，标注内容是否被截断（0表示完整）。 occluded：必选字段，标注内容是否被遮挡（0表示未遮挡） difficult：必选字段，标注目标是否难以识别（0表示容易识别）。

查看更多 →

审核比例：从该标注任务所有样本中抽取一定样本作为审核样本。 配置成功后，单击标注任务名称，单击任意一张图片，进行审核。 审核图片标注符合规范，整张图片无错误，则该图片审核通过，勾选“审核通过”，并保存。 审核图片有超过一处标注不符合规范，则该图审核未通过。根据标注任务类型不同，右

查看更多 →

练样本”或“学习案例样本”页签，单击样本下方的/。 单个下载样本：在“样本库”、“AI训练样本”或“学习案例样本”页签，单击样本下方的或单击样本，在样本详情页面单击样本中的 按任务归类 单击对应的“采集样本数量”、“AI训练样本数”或“学习案例样本数”列的数值，“可以进入到样本清单明细页面，查看当前的样本明细

查看更多 →

别的图片量不少于100个，如果低于这个量级建议扩充。 检查不同标签的样本数是否均衡，建议不同标签的样本数量级相同，并尽量接近，如果有的类别数据量很高，有的类别数据量较低，会影响模型整体的识别效果。 选择适当的学习率和训练轮次。 通过详细评估中的错误识别示例，有针对性地扩充训练数据。

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 →

ModelArts标注完样本集后，如何保证退出后不再产生计费？ 标注样本集本身不计费，数据集存储在OBS中，收取OBS的费用。建议您前往OBS控制台，删除存储的数据和OBS桶，即可停止收费。 父主题： 计费FAQ

查看更多 →

验收团队标注任务结果 任务验收（管理员） 发起验收 当团队的成员已完成数据标注，标注作业的创建者可发起验收，对标注结果进行抽验。只有当标注成员存在标注完成的数据时，才可以发起验收，否则发起验收按钮为灰色。 录ModelArts管理控制台，在左侧菜单栏中选择“数据管理 >数据标注”，打开数据标注管理页。

查看更多 →

数据和目标数据的标签列修改代码框左侧“# Select data from dataframe”标注下的对应值。 本文以使用“CMF”方法为例。 单击界面右上角的图标，选择“迁移学习 > 特征迁移 > 迁移操作 > CMF”。 界面新增如图1所示内容。 图1 使用CMF算法迁移数据

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 →

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重叠较少的情况，联合多个参与者的具有相同特征的多行样本进行联邦机器学习，联合建模。

查看更多 →

拆分批次任务 当样本数量庞大时，平台可对批次任务做拆分处理，具体步骤如下： 在左侧菜单栏中单击“标注服务 > 项目管理”。 选择“标注项目”页签，单击项目名称，进入项目内任务列表。 选择“批次任务列表”页签，单击操作栏中的“拆分”。 输入子任务样本数量，子任务样本数量不可大于批次任务的样本总数。

查看更多 →

支持在分布式的、信任边界缺失的多个参与方之间建立互信空间； 实现跨组织、跨行业的多方数据融合分析和多方联合学习建模。 灵活多态 支持对接主流数据源（如 MRS 、 DLI 、 RDS、 Oracle等）的联合数据分析； 支持对接多种深度学习框架( TICS ，TensorFlow)的联邦计算； 支持控制流和数据流的分离

查看更多 →

0：已标注 1：未标注 2：全部 3：条件筛选 path 否 String 导出到OBS的输出路径。导出数据到OBS或者导出为新的数据集时该参数必传。 sample_state 否 String 样本状态。可选样本状态如下： __ALL__：已标注 __NONE__：未标注 __UNCHECK__：待验收

查看更多 →

自动分组 为了提升智能标注算法精度，可以均衡标注多个类别，有助于提升智能标注算法精度。ModelArts内置了分组算法，您可以针对您选中的数据，执行自动分组，提升您的数据标注效率。 自动分组可以理解为数据标注的预处理，先使用聚类算法对未标注图片进行聚类，再根据聚类结果进行处理，可以分组打标或者清洗图片。

查看更多 →

。 检查不同标签的样本数是否均衡，建议不同标签的样本数量级相同，并尽量接近，如果有的类别数据量很高，有的类别数据量较低，会影响模型整体的识别效果。 如果分割效果不好，建议检测图片标注，标注质量的好坏直接影响模型训练图像分割效果的好坏。 根据数据量选择适当的学习率和训练轮次。 通过

查看更多 →