<b id="1yibx"></b>
    <rt id="1yibx"></rt>

    <cite id="1yibx"></cite>
    1. <cite id="1yibx"></cite>
      1. <rt id="1yibx"></rt>
      2. <b id="1yibx"></b>

          1. <code id="1yibx"></code>
          2. <video id="1yibx"></video>

              <video id="1yibx"></video>
            1. ¥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