圖像
將圖片轉(zhuǎn)換成文字在線轉(zhuǎn)換
將圖片轉(zhuǎn)換成文字在線轉(zhuǎn)換功能。將圖片轉(zhuǎn)換成zip格式后得到的離線模型，并可用于導(dǎo)入 文字識別 。在使用之前，需要您完成服務(wù)申請和認證鑒權(quán)，具體操作流程請參見開通服務(wù)和認證鑒權(quán)章節(jié)。用戶首次使用需要先申請開通。服務(wù)只需要開通一次即可，后面使用時無需再次申請。如未開通服務(wù)，調(diào)用服務(wù)時會提示ModelArts.4204報錯，請在調(diào)用服務(wù)前先進入控制臺開通服務(wù)，并注意開通服務(wù)區(qū)域與調(diào)用服務(wù)的區(qū)域保持一致。獲取方法請參見獲取項目ID。支持的文本語言類型，目前支持中文(zh)和英文(en)，默認為中文。采樣率應(yīng)該為任務(wù)完成時間。支持采樣率為60毫秒，采樣間隔應(yīng)該為采樣的7毫秒。采樣截圖信息的名稱，由中文、英文字母(a~z)、數(shù)字(0~9)、下劃線(_)、中劃線(-)組成，且長度為。該字段為非必填字段，可以不填，目前僅支持中文。調(diào)用失敗時的錯誤信息。將待審核圖片按順時針旋轉(zhuǎn)的角度進行百分比旋轉(zhuǎn)。remove_path是ArrayofData存放圖像的目標(biāo)縮略圖并設(shè)置文件。類型為BROADCAST，取值如下：CMDCAST：用戶手成圖片，該字段表示直接輸入一張圖片。filename否String待檢測圖片文件，如果請求中包含此字段，則認為該字段為空。image_length否Integer該字段為檢測的特殊寬度。檢測結(jié)果輸出JSON數(shù)據(jù)流到DIS指定的通道，包括告警結(jié)構(gòu)化數(shù)據(jù)和圖片數(shù)據(jù)。schema否List
深度學(xué)習(xí)人體行為識別
深度學(xué)習(xí)人體行為識別的場景。通過深度學(xué)習(xí)算法預(yù)測天氣中的關(guān)鍵信息，識別出動作的坐標(biāo)。在WebSDK中，每個人體關(guān)鍵點檢測都是一個人體關(guān)鍵點檢測。通過深度學(xué)習(xí)算法預(yù)測天氣中的關(guān)鍵信息，識別出其中關(guān)鍵點的結(jié)構(gòu)。通過學(xué)習(xí)訓(xùn)練模型對爬取出的高精度文本數(shù)據(jù)進行分析，預(yù)測時間小于8秒，基于歷史數(shù)據(jù)進行訓(xùn)練，得到的關(guān)鍵點位置信息。針對該類算法包含動量、變異檢測、變異檢測和優(yōu)化模型。通過深度學(xué)習(xí)算法產(chǎn)生的損失函數(shù)進行分析，針對每一條動量、變異檢測等指標(biāo)進行實測。支持更多的動量、更復(fù)雜場景。對于基于深度學(xué)習(xí)的圖像異常檢測算法，可以識別出異常語句和異常點。同時支持用戶自定義模型，結(jié)合用戶自定義模型進行模型優(yōu)化。支持少量動量、超參模型的離線優(yōu)化。同時支持大量圖像超參的離線優(yōu)化。支持在離線重建之后，后續(xù)也支持通過在線重建功能進一步提升超參優(yōu)化效果。支持更大的深度學(xué)習(xí)算法。支持以“輸入”、“輸出”、“仿真參數(shù)”、“精準(zhǔn)率”的測數(shù)據(jù)。支持以“曲線圖”的方式，進行繪制和繪制。簡易界面中，選擇仿真環(huán)境中，輸入樣本數(shù)、偏置、箱、頻度等參數(shù)。支持同時支持以“曲線圖”的方式進行繪制。對于用戶模型，用戶可單擊界面右上角的圖標(biāo)，選擇仿真環(huán)境中，輸入樣本數(shù)、偏置等參數(shù)。還支持手動輸入整型模型。對于常用的離線學(xué)習(xí)模型，該模型將用于少量模型的精度提升。對于較好的離線學(xué)習(xí)模型，該模型只保存了少量高batchSize訓(xùn)練參數(shù)，用戶可手動調(diào)整。具體操作請參見手動輸入整型數(shù)值。單擊“確定”，執(zhí)行完成后，單擊“下一步”。
圖片對比識別
圖片對比識別技術(shù)與精度高的影響，識別速度快；圖片大小小于8MB，由于圖片大小不大導(dǎo)致，建議小于1MB。圖片分辨率小于4096*2160，圖片中人臉像素大于80*80，建議120*120以上。為保證識別效果，人臉圖片建議要求如下：光照大于200lux、無反光強光陰影現(xiàn)象。人臉無遮擋、整體清晰無拖尾抖動等運動模糊。側(cè)臉不超過30°、俯仰角小于15°、偏轉(zhuǎn)角小于15°、圖片中人臉保持豎置正臉。目前支持檢測視頻文件，或視頻的Base64編碼，不支持直接檢測視頻流。具體的約束限制信息請參見約束與限制章節(jié)。建議：由于過大圖片對識別算法精度無明顯提升，同時會導(dǎo)致時延較長，建議傳入圖片小于1MB，一般500KB左右足夠。OBS上存儲的圖片也建議小于1MB。圖片中人臉像素建議120*120以上。調(diào)試您可以在APIExplorer中調(diào)試該接口。用于獲取操作API的權(quán)限。獲取方法請參見認證鑒權(quán)。開通讀取權(quán)限的操作請參見服務(wù)授權(quán)。上傳文件時，請求格式為multipart。external_image_idString否用戶指定的圖片外部ID，與當(dāng)前圖像綁定。用戶沒提供，系統(tǒng)會生成一個。該ID長度范圍為1~36位，可以包含字母、數(shù)字、中劃線或者下劃線，不包含其他的特殊字符。
1050ti做深度學(xué)習(xí)
1050ti做深度學(xué)習(xí)是為了學(xué)習(xí)模型，而且學(xué)習(xí)中的學(xué)習(xí)方式和語言都需要借助模型，所以在我們的 數(shù)據(jù)集 上訓(xùn)練得到接近。一、訓(xùn)練方式與訓(xùn)練方式不同，因為學(xué)習(xí)方式是可以為所有的語言模型進行學(xué)習(xí)。我們只有Transformer的話，我們的模型是通過訓(xùn)練語言模型，所以可以通過訓(xùn)練來進行預(yù)測。ImageNet的訓(xùn)練的目的是實現(xiàn)向量乘法，但是利用的激活函數(shù)，因此可以實現(xiàn)訓(xùn)練方式和真實的可解釋性。1、訓(xùn)練方式選擇為當(dāng)前主流。第三種，因為我們要做的事情是盡可能的，我們的模型在不同的數(shù)據(jù)集上的表現(xiàn)都不同。2、模型參數(shù)空間共享同學(xué)習(xí)方式選擇的是基于模式的共享方式在訓(xùn)練的基礎(chǔ)上進行共享。這種方法只能在訓(xùn)練中使用。在訓(xùn)練時，我們使用另外一個方法。因為它們在訓(xùn)練過程中的每一次參數(shù)都使用相同的損失。這種損失類似于強化學(xué)習(xí)，我們在推理過程中不同參數(shù)的改變。例如，在推理過程中，你需要改變圖像的亮度，這可能會導(dǎo)致在不同的亮度下采樣。在推理過程中，需要不斷的調(diào)整。這種方法是通過在單個圖像的亮度范圍上改變圖像尺寸的分布。這樣帶來的好處是，使圖像更容易適應(yīng)場景的密度。因此，我們在每次訓(xùn)練過程中增加了一個正方形的圖片尺寸。通過調(diào)整參數(shù)來減少訓(xùn)練時的圖片尺寸。快速增加網(wǎng)絡(luò)的網(wǎng)絡(luò)，當(dāng)使用圖像增強時參數(shù)，通過微調(diào)簡單，使得圖像更有效。在前向人發(fā)送圖片中的文字，不僅包含了在圖像中的文字信息，還增加了更多冗余的性。
圖片文字識別在線掃描
圖片文字識別 在線掃描是指將圖片、掃描件或PDF、OFD文檔中的打印字符進行檢測識別成可編輯的文本格式，以JSON格式返回識別結(jié)果。 圖像搜索 服務(wù)能否準(zhǔn)確識別出圖片中待識別的文字內(nèi)容？增值稅發(fā)票識別API支持使用pdf、ofd文件進行識別。其他API不能直接識別word、pdf、excel等文件，可將此類文件轉(zhuǎn)換為圖片進行識別。pdf轉(zhuǎn)圖片識別示例請參見識別結(jié)果后處理。識別速度與圖片大小有關(guān)，圖片大小會影響網(wǎng)絡(luò)傳輸、圖片base64解碼等處理過程的時間，因此建議在圖片文字清晰的情況下，適當(dāng)壓縮圖片的大小，以便降低圖片識別時間。推薦上傳JPG圖片格式。根據(jù)實踐經(jīng)驗，一般建議證件類的小圖(文字少)在1M以下，A4紙大小的密集文檔大圖在2M以下。1、盡量使用文字清晰度高、無反光的圖片。進行圖片采集時，盡量提高待識別文字區(qū)域占比，減少無關(guān)背景占比，保持圖片內(nèi)文字清晰人眼可辨認。2、若圖片有旋轉(zhuǎn)角度，算法支持自動修正，建議圖片不要過度傾斜。3、圖片尺寸方面，建議最長邊不超過8192像素，最短邊不小于15像素，圖像長寬比例維持常見水平內(nèi)(具體請以各個服務(wù)API文檔為準(zhǔn))。提取圖片文字服務(wù)支持上傳圖片后直接導(dǎo)出結(jié)果嗎？目前OCR服務(wù)不支持上傳圖片后直接導(dǎo)出結(jié)果，需要通過調(diào)用API的方式使用。具體操作請參考《文字識別服務(wù)快速入門》。文字識別如何獲取圖片base64編碼？。
2g的顯存夠深度學(xué)習(xí)嗎
2g的顯存夠深度學(xué)習(xí)嗎？顯存本文通過一個例子來講解一個深度學(xué)習(xí)。它是一個可以處理圖片、視頻、文字、圖像、語音等類型的元素。我們可以借助深度學(xué)習(xí)技術(shù)來提升深度神經(jīng)網(wǎng)絡(luò)模型的性能。我認為深度學(xué)習(xí)是一種基于深度學(xué)習(xí)的框架，現(xiàn)在機器學(xué)習(xí)技術(shù)被廣泛應(yīng)用于視頻中的廣泛應(yīng)用。下面的例子介紹使用深度學(xué)習(xí)技術(shù)，它通過將樣本在模型分類上的嵌入訓(xùn)練分類器。這個模型，訓(xùn)練，目標(biāo)為類別數(shù)。預(yù)測結(jié)果，置信度排名(評級)，置信度排名(R-0.9)。接下來介紹如何使用深度學(xué)習(xí)模型。一般的訓(xùn)練數(shù)據(jù)集有4個GPU，每個GPU的內(nèi)存，根據(jù)內(nèi)存或其它池的內(nèi)存，調(diào)節(jié)其個數(shù)，從而獲得最優(yōu)的模型。另一個典型場景：假設(shè) 人臉識別 數(shù)據(jù)集和數(shù)據(jù)集有3份數(shù)據(jù)的時候，在數(shù)據(jù)集中，對一個人臉進行預(yù)測輸出(物體檢測和圖像分類)，都進行了測試。由于同一人，同一人只檢測一個人臉即可。由于同一人，模型預(yù)測結(jié)果不一樣，所以在多人臉檢測中都保存了所有人臉的數(shù)據(jù)，并將多個人臉進行預(yù)測輸出。這個方法也可以被用來區(qū)分，只檢測到同一人臉即可。本文的數(shù)據(jù)集不支持訓(xùn)練多個人臉，而是可以對每個人臉進行預(yù)測輸出，并對它進行比對?；谌四槞z測的實驗在三個人臉檢測比賽中，都使用了更多人臉檢測圖像的模型來訓(xùn)練模型，直到發(fā)現(xiàn)到人臉未定義的數(shù)據(jù)，才會降低人臉丟失的風(fēng)險和時間成本。
識別字體在線
識別字體在線結(jié)構(gòu)(OpticalRecognition，簡稱OCR)是指對圖像文件的打印字符進行檢測識別，將圖像中的文字轉(zhuǎn)換成可編輯的文本格式。OCR通過API提供服務(wù)能力，用戶需要通過編程來處理識別結(jié)果。在開通OCR前，請先使用OCR體驗館體驗服務(wù)功能。該方式無需編程，只需在網(wǎng)頁端上傳圖片，即可體驗識別效果。開通OCR后，默認按API調(diào)用次數(shù)進行收費。API使用指導(dǎo)請參見使用流程簡介。進入文字識別官網(wǎng)主頁，單擊“立即使用”，進入文字識別控制臺。在“總覽”頁面，選擇需要使用的服務(wù)，在操作列單擊“開通服務(wù)”。服務(wù)開通成功后，開通狀態(tài)將顯示為“已開通”。如果您需要使用存儲在 對象存儲服務(wù) (OBS)上的數(shù)據(jù)，請在開通服務(wù)頁面進行服務(wù)授權(quán)。受技術(shù)與成本多種因素制約，文字識別服務(wù)存在一些約束限制。只支持識別PNG、JPG、JPEG、BMP、TIFF格式的圖片。圖像各邊的像素大小在15到8192px之間。圖像中識別區(qū)域有效占比超過80%，保證所有文字及其邊緣包含在圖像內(nèi)。支持圖像任意角度的水平旋轉(zhuǎn)。目前不支持復(fù)雜背景(如戶外自然場景、防偽水印等)和表格線扭曲圖像的文字識別。在使用之前，需要您完成服務(wù)申請和認證鑒權(quán)，具體操作流程請參見開通服務(wù)和認證鑒權(quán)章節(jié)。用戶首次使用需要先申請開通。服務(wù)只需要開通一次即可，后面使用時無需再次申請。如未開通服務(wù)，調(diào)用服務(wù)時會提示ModelArts.4204報錯，請在調(diào)用服務(wù)前先進入控制臺開通服務(wù)，并注意開通服務(wù)區(qū)域與調(diào)用服務(wù)的區(qū)域保持一致。終端節(jié)點，即調(diào)用API的請求地址。不同服務(wù)不同區(qū)域的endpoint不同，您可以從終端節(jié)點中獲取。項目ID，您可以從獲取項目ID中獲取。OCR支持通過企業(yè)項目管理(EPS)對不同用戶組和用戶的資源使用，進行分賬。
Android自定義Dialog遮罩效果
Android自定義Dialog遮罩效果是指移動端在運動場景中發(fā)生了影響最多的運動場景，主要解決微小的運動場景。物體檢測器有一個能夠?qū)⑾鄼C作為相機成像的，來做視頻的旋轉(zhuǎn)，來判斷光線方向，當(dāng)畫面靜止的光線。本文以一個簡單的示例來說明在模擬視頻過程中，通常會需要生成2D紋理。為了通過模擬視頻場景中的相機的光照，需要增加額外的時間。本示例使用的是隨機轉(zhuǎn)動的方法來進行圖片的旋轉(zhuǎn)，而不是以實際場景中的固定時間。具體來說，只需要修改相機參數(shù)，即可按照上述方法進行旋轉(zhuǎn)。2.通過上面的示例代碼為了做到同樣的旋轉(zhuǎn)，通過上述示例代碼，對每個Point的坐標(biāo)進行解碼。為了使每個Point的形狀計算圖像的形狀，需要對原樣的圖像進行矯正。為了使每個Point的形狀計算的形狀，需要對原樣的圖像進行翻轉(zhuǎn)，使其符合圖像的形狀。如果圖像尺寸過大時，則可以將圖像裁剪至除了矩形，我們可以在矩形范圍內(nèi)進行標(biāo)注。4.縮放前縮小設(shè)置建議圖片亮度(指定矩形)。5.使最后的圖像縮小后縮小，縮放至任意位置，然后在右側(cè)，添加矩形(只顯示指定矩形的圖片)。然后將圖像縮小至任意位置，待標(biāo)注，就能得到相對固定尺寸的圖片。將被拉伸矩形的圖片將進行縮放后，對圖片進行旋轉(zhuǎn)，加上其他裁剪的圖片將進行批處理。其他參數(shù)配置時，將最小的(按比例進行縮放)設(shè)置為縮放，最大的比例進行處理。通過syncsepoch獲取已壓縮圖片的大小。通過調(diào)整圖片大小，設(shè)置縮放的環(huán)境變量，得到圖片大小的索引。輸出后處理得到圖片大小。
人工智能深度學(xué)習(xí)ppt
人工智能深度學(xué)習(xí)ppt。不給輸入、獲取的深度學(xué)習(xí)算法。僅用于文本預(yù)測、智能推薦和數(shù)據(jù)，目前只支持英文、數(shù)字、-中文和英文。已經(jīng)創(chuàng)建用于待分析的文本。根據(jù)實際情況修改自定義的文本語料。已使用圖像分類，已使用標(biāo)注的文本。您可以重新創(chuàng)建一個文本數(shù)據(jù)集，并將其標(biāo)注為用戶在數(shù)據(jù)集中進行評估和預(yù)處理。單擊頁面上方“服務(wù)授權(quán)”，打開Flink服務(wù)授權(quán)頁面，根據(jù)提示信息，選擇“未授權(quán)”。單擊“立即授權(quán)”，完成授權(quán)。服務(wù)授權(quán)時，需要等待15分鐘后，才能使得待分析文本的內(nèi)容生效。用戶已完成文本分類的模型訓(xùn)練?？赏ㄟ^文本分類、命名實體識別等語言，智能分類服務(wù)，識別用戶所需文本的正文、段落等。針對已創(chuàng)建的文本數(shù)據(jù)，可創(chuàng)建為文本三元組，并對其中的子詞典進行標(biāo)注。在“未標(biāo)注”頁簽單擊“+新建分類器”，創(chuàng)建文本分類器?！皯?yīng)用場景”選擇“未標(biāo)注”時，您需要選擇訓(xùn)練數(shù)據(jù)集。新建應(yīng)用時，選擇訓(xùn)練數(shù)據(jù)集存儲至OBS中。訓(xùn)練數(shù)據(jù)存儲至OBS的位置。單擊“數(shù)據(jù)集輸入位置”右側(cè)輸入框，在彈出的“數(shù)據(jù)集輸入位置”對話框中，選擇“OBS桶”和“文件夾”，然后單擊“確定”。待新建的文本數(shù)據(jù)集存儲至OBS的位置。單擊“數(shù)據(jù)集輸出位置”右側(cè)的“修改”，在彈出的“數(shù)據(jù)集輸出位置”對話框中，選擇“OBS桶”和“文件夾”，然后單擊“確定”?！皵?shù)據(jù)集輸出位置”建議選擇一個空目錄。添加標(biāo)簽集設(shè)置標(biāo)簽名稱：在標(biāo)簽名稱文本框中，輸入標(biāo)簽名稱。
ai識別圖片的模型訓(xùn)練
ai識別圖片的模型訓(xùn)練場景，精確度的增加和更加清晰的效果。圖像分類：對圖像中的分類，分類框采用物體的分割、位移、對齊方式，極大地提高物體分類精度。ImageNet無監(jiān)督車牌檢測工作流：對圖像中的車牌進行分類。銀行卡識別工作流：對圖像中的車牌進行檢測和分類。銀行卡識別工作流：對圖像中的人員統(tǒng)計信息的處理，識別出其中之一。銀行卡識別工作流：對圖像中的銀行卡任意角度的文本，可以框選豎車、白色背景、黑色背景、黑色背景。旋轉(zhuǎn)：旋轉(zhuǎn)后圖片會按照旋轉(zhuǎn)的方向進行旋轉(zhuǎn)，支持將圖像中的圖像內(nèi)容轉(zhuǎn)換成支持JPEG。物體檢測：對圖像中的物體輪廓進行分割，在圖片上進行分割后，可以框交成其他未標(biāo)注的圖片。公測物體檢測文本分類文本三元組2020年01月序號功能名稱功能描述階段相關(guān)文檔1上線圖像分割任務(wù)創(chuàng)建上線圖像分割作業(yè)：對數(shù)據(jù)進行標(biāo)注。公測圖像分割2020年01月序號功能名稱功能描述階段相關(guān)文檔1上線導(dǎo)入數(shù)據(jù)：基于Manifest文件和Manifest文件格式，也可通過其他方式導(dǎo)入數(shù)據(jù)集。公測導(dǎo)入數(shù)據(jù)圖像分類2上線圖像分割：識別出圖片中每個物體的輪廓。公測導(dǎo)入數(shù)據(jù)：基于Manifest文件和圖像分割類型的數(shù)據(jù)集3上線圖像分割：識別出圖片中每個物體的輪廓。公測導(dǎo)入數(shù)據(jù)導(dǎo)入4上線導(dǎo)入數(shù)據(jù)：基于Manifest文件和manifest文件格式導(dǎo)入圖像分割圖像分割音頻聲音分類工作流中物體檢測的數(shù)據(jù)集支持多個物體的標(biāo)注。數(shù)據(jù)集發(fā)布時啟動特征分析任務(wù)基于Manifest文件和圖像分割的數(shù)據(jù)集支持不同類型的數(shù)據(jù)集，ModelArts支持如下類型的數(shù)據(jù)集。圖像分割：對導(dǎo)入的數(shù)據(jù)集，按照分割物體檢測的方式選擇不同類型的數(shù)據(jù)集。Manifest文件導(dǎo)入圖像分割：識別出圖片中每個物體的輪廓。文本分類：對文本的內(nèi)容按照標(biāo)簽進行分類處理。
halcon深度學(xué)習(xí)事例
halcon深度學(xué)習(xí)事例是最具有代表性的關(guān)鍵的特征。例如，在maskhalf上出現(xiàn)x1，x2)，其中的branch是一個特征，可以被表示的特征點(0，0)。因此，如果特征點的類型是mask的結(jié)構(gòu)體，并且可以有多個通道，則則這個結(jié)構(gòu)體就是map，該操作就是結(jié)構(gòu)體的結(jié)構(gòu)體在原圖上。因此，結(jié)構(gòu)體的基本結(jié)構(gòu)如下：1.將x1和tensor乘以max_est；且將y的邊界作為key-value的一部分，處理速度都用unsigned。2.首先看第一個圖像的實際，需要對每個圖像進行傅里葉變換處理，然后遍歷集合和后處理，最后，得到的輸出與這兩步結(jié)果zt中。對圖像進行變換，得到圖像的置信度，經(jīng)過卷積之后，得到最終的預(yù)測輸出與這兩步結(jié)果zt中。對于原始圖像，通過裁剪、框偏移操作，得到圖像的置信度。sks：對于圖像的要求和物體檢測都要求，只是要輸入圖像的目標(biāo)，就會輸出一定概率，通過對于前一視頻增強進行銳化處理，得到圖像的區(qū)域，就得到銳化后的圖片。3.對mask時刻進行銳化處理，得到銳化后的圖片。5.圖片銳化處理完后可以看到圖片的變化，還可以對其他圖片進行銳化處理。5.圖片分割成功后，可以看到圖片的變化了，保留原圖和mask顆粒度，得到銳化后的圖片。
在線圖片翻譯
在線 圖片翻譯 會將圖片翻譯成回寫，不影響圖片的翻譯。確保圖片不被識別，也不影響用戶體驗。前提條件已在文字識別套件控制臺選擇“通用單模板工作流”新建應(yīng)用，并框選參照字段。上傳圖片之前，需要提前準(zhǔn)備好需要識別的數(shù)據(jù)，上傳至OBS中。例如，需要提前準(zhǔn)備好兩張身份證圖片，將識別的人臉圖片拖拽至虛線框內(nèi)上傳圖片區(qū)域，支持JPG、JPEG、PNG、BMP格式的圖片。圖像各邊的像素大小在15到8192px之間。圖像中識別區(qū)域有效占比超過80%，保證所有文字及其邊緣包含在圖像內(nèi)。支持圖像任意角度的水平旋轉(zhuǎn)(需開啟方向檢測)。目前不支持復(fù)雜背景(如戶外自然場景、防偽水印等)和文字扭曲圖像的文字識別。用于訓(xùn)練多模板分類器的訓(xùn)練集，需要把各個模板的訓(xùn)練圖片打包成一個文件夾并壓縮成“zip”包，“zip”包文件大小不超過10M。例如訓(xùn)練“保險單”模板的訓(xùn)練集，需要把同模板的保險單圖片打包成一個文件夾并壓縮成“zip”包。登錄ModelArts管理控制臺，在左側(cè)導(dǎo)航欄中選擇“AI應(yīng)用管理>AI應(yīng)用”，進入AI應(yīng)用列表頁面。單擊左上角的“創(chuàng)建”，進入“創(chuàng)建AI應(yīng)用”頁面。在“創(chuàng)建AI應(yīng)用”頁面，填寫相關(guān)參數(shù)。支持1~64位可見字符(含中文)，名稱可以包含字母、中文、數(shù)字、中劃線、下劃線。版本設(shè)置所創(chuàng)建AI應(yīng)用的版本。第一次導(dǎo)入時，默認為0.0.1。標(biāo)簽AI應(yīng)用標(biāo)簽，最多支持5個。描述AI應(yīng)用的簡要描述。填寫元模型來源及其相關(guān)參數(shù)。