如何调用AI试衣Plus API接口
相较于AI试衣-基础版（aitryon ），aitryon-plus 在图像清晰度、布料纹理和Logo还原方面表现更为出色，但生成耗时也相应更长，更适用于对生成结果质量有高要求、对实时性要求不高的场景。
如何使用Polar_AI和EAS实现数据库内模型调用？
PolarDB PostgreSQL版 的Polar_AI插件支持通过SQL语句调用人工智能（AI）或机器学习（ML）模型。结合阿里云模型在线服务（EAS） ，您可以轻松部署自定义模型，并在数据库内实现如文本翻译等功能。
对接AI搜索开放平台的向量模型
本文介绍如何在OpenSearch行业算法版中，使用AI搜索开放平台自定义部署的文本向量化模型。解决跨区域网络耗时问题，为用户提供更多模型选择。
基于Confidential AI方案部署受Intel TDX保护的隐私Qwen-7B-Chat模型
为保护AI模型资产或处理金融、医疗等敏感数据，可使用阿里云TDX机密计算实例，通过远程证明获取密钥以解密和部署Qwen模型，实现AI推理过程的硬件级数据保护，从而保障核心资产安全。
【AI系统】模型转换流程
用户在使用 AI 框架时，可能会遇到训练环境和部署环境不匹配的情况，比如用户用 Caffe 训练好了一个图像识别的模型，但是生产环境是使用 TensorFlow 做预测。 因此就需要将使用不同训练框架训练出来的模型相互联系起来，使用户可以进行快速的转换。模型转换主要有直接转换和规范式转换两种方式，本文将详细介绍这两种转换方式的流程以及相关的技术细节。 模型转换设计思路 直接转换是将网络模型从 A....
【AI系统】模型转换基本介绍
模型转换的主要任务是实现模型在不同框架之间的流转。随着深度学习技术的发展，训练框架和推理框架的功能逐渐分化。训练框架通常侧重于易用性和研究人员的算法设计，提供了分布式训练、自动求导、混合精度等功能，旨在让研究人员能够更快地生成高性能模型。 而推理框架则更专注于针对特定硬件平台的极致优化和加速，以实现模型在生产环境中的快速执行。由于训练框架和推理框架的职能和侧重点不同，且各个框架内部的模型表示方式....
【AI系统】模型剪枝
本文将介绍模型剪枝的概念、方法和流程，这是一种通过移除神经网络中的冗余或不重要参数来减小模型规模和提高效率的模型压缩技术。 剪枝不仅可以减少模型的存储和计算需求，还能在保持模型性能的同时提高模型的泛化能力。我们将探讨剪枝的定义、分类、不同阶段的剪枝流程，以及多种剪枝算法，包括基于参数重要性的方法、结构化剪枝、动态剪枝和基于优化算法的全局剪枝策略。 模型剪枝概述 为了从海量的数据中学到更多“知识”....
【AI系统】模型压缩基本介绍
随着神经网络模型的复杂性和规模不断增加，模型对存储空间和计算资源的需求越来越多，使得部署和运行成本显著上升。模型压缩的目标是通过减少模型的存储空间、减少计算量或提高模型的计算效率，从而在保持模型性能的同时，降低模型部署的成本。模型压缩的目标可以概括为以下几点： 减少模型显存占用：通过压缩模型参数或使用更高效的表示方式，可以显著减少模型所需的存储空间，从而降低模型在部署和执行过程中的存储成本。...
【AI系统】轻量级CNN模型综述
神经网络模型被广泛的应用于工业领域，并取得了巨大成功。然而，由于存储空间以及算力的限制，大而复杂的神经网络模型是难以被应用的。首先由于模型过于庞大，计算参数多(如下图所示)，面临内存不足的问题。其次某些场景要求低延迟，或者响应要快。所以，研究小而高效的 CNN 模型至关重要。 本文将介文绍一些常见的...
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。
AI更多模型相关
产品推荐
阿里云机器学习平台PAI
阿里云机器学习PAI（Platform of Artificial Intelligence）面向企业及开发者，提供轻量化、高性价比的云原生机器学习平台，涵盖PAI-iTAG智能标注平台、PAI-Designer（原Studio）可视化建模平台、PAI-DSW云原生交互式建模平台、PAI-DLC云原生AI基础平台、PAI-EAS云原生弹性推理服务平台，支持千亿特征、万亿样本规模加速训练，百余落地场景，全面提升工程效率。
+关注