本文由AI智能模型生成，在自有數(shù)據(jù)的基礎(chǔ)上，訓(xùn)練NLP文本生成模型，根據(jù)標(biāo)題生成內(nèi)容，適配到模板。內(nèi)容僅供參考，不對其準(zhǔn)確性、真實性等作任何形式的保證，如果有任何問題或意見，請聯(lián)系contentedit@huawei.com或點擊右側(cè)用戶幫助進行反饋。我們原則上將于收到您的反饋后的5個工作日內(nèi)做出答復(fù)或反饋處理結(jié)果。
猜你喜歡：深度學(xué)習(xí)中正負樣本，即當(dāng)表現(xiàn)形式是非常重要的，而待提取圖片是無意義的。由于訓(xùn)練 數(shù)據(jù)集 沒有明確線性特性的問題，單個樣本都被標(biāo)識為訓(xùn)練集或者模型，導(dǎo)致訓(xùn)練作業(yè)的輸入特征。由于訓(xùn)練過程需要準(zhǔn)備自定義全流程，因此，使用ModelArts提供的預(yù)置算法實現(xiàn)。功能介紹支持兩種預(yù)置算法，“正則項”和“離散”。例如“nearning_rate”，其中n為正態(tài)分布(離散點)，代表全網(wǎng)數(shù)據(jù)，僅保留小樣本量，不保留小數(shù)據(jù)。訓(xùn)練數(shù)據(jù)集只支持基于訓(xùn)練的數(shù)據(jù)集進行選擇。訓(xùn)練數(shù)據(jù)來源數(shù)據(jù)上傳的方式有兩種：本地上傳、上傳文件、準(zhǔn)備訓(xùn)練數(shù)據(jù)。更多標(biāo)題相關(guān)內(nèi)容，可點擊查看
猜您想看：數(shù)據(jù)集從ModelArts 數(shù)據(jù)管理 中選擇可用的數(shù)據(jù)集及其版本?！斑x擇數(shù)據(jù)集”：從下拉框中選擇ModelArts系統(tǒng)中已發(fā)布的數(shù)據(jù)集。當(dāng)ModelArts無可用數(shù)據(jù)集時，此下拉框為空。數(shù)據(jù)來源：從OBS桶中選擇訓(xùn)練數(shù)據(jù)。在“數(shù)據(jù)存儲位置”右側(cè)，單擊“選擇”，從彈出的對話框中，選擇數(shù)據(jù)存儲的OBS桶及其文件夾。訓(xùn)練輸出位置-選擇訓(xùn)練結(jié)果的存儲位置。說明：為避免出現(xiàn)錯誤，建議選擇一個空目錄用作“訓(xùn)練輸出位置”。更多標(biāo)題相關(guān)內(nèi)容，可點擊查看
智能推薦：請勿將數(shù)據(jù)集存儲的目錄作為訓(xùn)練輸出位置。環(huán)境變量-請根據(jù)您的 鏡像 文件，添加環(huán)境變量，此參數(shù)為可選。單擊“增加環(huán)境變量”可增加多個變量參數(shù)。作業(yè)日志路徑-選擇作業(yè)運行中產(chǎn)生的日志文件存儲路徑。選擇用于訓(xùn)練作業(yè)的資源。訓(xùn)練作業(yè)支持選擇“公共資源池”和“專屬資源池”。公共資源池又可以選擇CPU或GPU兩種類型，不同類型的資源池，其收費標(biāo)準(zhǔn)不同，詳情請參見價格詳情說明。更多標(biāo)題相關(guān)內(nèi)容，可點擊查看
