<cite id="pdaaj"><li id="pdaaj"><center id="pdaaj"></center></li></cite>
    <ruby id="pdaaj"></ruby>

    <optgroup id="pdaaj"></optgroup>
    <optgroup id="pdaaj"><em id="pdaaj"><del id="pdaaj"></del></em></optgroup>
    1. <acronym id="pdaaj"></acronym>

    2. <legend id="pdaaj"><i id="pdaaj"></i></legend>

      <acronym id="pdaaj"><sup id="pdaaj"><nav id="pdaaj"></nav></sup></acronym>
    3. <strong id="pdaaj"></strong>
      <legend id="pdaaj"><li id="pdaaj"><del id="pdaaj"></del></li></legend><input id="pdaaj"></input>
      <span id="pdaaj"><sup id="pdaaj"></sup></span><strong id="pdaaj"></strong>
      <optgroup id="pdaaj"></optgroup>
      <optgroup id="pdaaj"></optgroup>

        1. <strong id="pdaaj"></strong>
          <strong id="pdaaj"></strong><optgroup id="pdaaj"></optgroup>
          <legend id="pdaaj"></legend>
          ¥0元 立即購買

          大數據深度學習平臺

          能夠以非常簡便的方式地對深度學習模型進行建模、訓練、仿真、測試、分析、部署,快速構建智能化應用

          • 應用編號: R2018ZN425RJ15
          • 服務商: 九次方大數據信息集團有限公司
          • 店鋪: 九次方大數據信息集團有限公司
          • 資質: 優質服務提供商
          • 時間: 2018-08-25
          • 服務商等級: 鉆石
          • 行業: 輕工
          • 服務商標簽: 技術創新
          • 領域: 業務運行App
          • 在線時間: 周一至周五 9:00-18:00
          • 應用屬性: 技術創新
          • 操作系統: Windows
          • 電話: 010-57018300
          • 郵箱: 010-57018300@163.com
          • 使用方式: 云端手動部署
          • 店鋪服務: 經濟貿易咨詢;投資咨詢;投資管理;軟件開發;數據處理;技術開發、技術服務、技術咨詢;計算機系統集成;市場調查;企業管理咨詢;企業策劃
          • 產品介紹
          1、 概述
          隨著大數據的廣泛應用,深入挖掘數據內在的規律,獲取新的價值點,實現智能化成為業界最關心的課題,于是涌現出很多優秀的深度機器學習模型和架構,而操作這些模型和架構需要較強的計算機編程能力,限制了領域專家的使用。而事實上,領域專家由于對本領域的有著較深的理解,往往能建立更好的模型,取得更好的效果。
          本平臺主要針對領域專家建立的深度學習平臺,能夠以非常簡便的方式地對深度學習模型進行建模、訓練、仿真、測試、分析、部署,而不需要了解底層的編程實現,將精力集中在模型和問題域本身,適用于工業、農業、醫學、圖像處理等領域,快速構建智能化應用。對于深度學習研究人員,由于平臺提供了可視化的操作方式及分析手段,也可以提高研究效率。

          平臺客戶端運行在Windows系統下,服務器端采用Linux內核設計,與業界流行的深度學習框架兼容,具有較高的運行效率。

          2、 系統功能簡介
          2.1 淺層學習算法
          平臺支持傳統的淺層學習算法,包含:
          1)Logisti回歸
          2)隨機森林
          3)SVM支撐向量機
          4)增強型BP神經網絡
          2.2 深度學習算法
          平臺通過對模型組件的拖拽、連接等可視化操作,搭建深度學習模型,包含:
          1)卷積神經網絡
          2)堆層疊自動編碼器神經網絡
          3)深度信念網絡
          4)自定義結構深度模型
          2.3 模型分析
          1)對深度模型中任意組件求取輸出值,便于觀察中間狀態
          2)對卷積神經網絡提供特征可視化功能,便于調整卷積層的輸出特征
          3)對模型訓練結果提供精度報告
          2.4 模型處理
          可以保存所設計模型、關聯的數據文件、選擇的字段等,并具有一鍵加載功能,立即恢復到模型保存時的中間狀態
          2.5 WEB服務發布
          訓練好的模型可以直接部署在WEB服務器上,對外發布預測服務。

          3、 運行環境
          該平臺通過客戶端程序進行模型設計,將數據上傳至服務器進行訓練和預測,以C/S 架構實現,模型預測發布以B/S架構實現。
          3.1 客戶端運行環境
          1)操作系統WINDOWS 7 以上
          2)需要安裝.NET45

          3.2 服務器端運行環境
          1)CPU 物理雙核,主頻3GHZ 以上
          2)內存最小需要16G,32G保持較好性能
          3)最好支持GPU
          4)操作系統Ubuntu 14
          5)Python 2.7以上






          久久久精品