¥0元 马上购买

大数据深度学习平台

能够以非常简便的方式地对深度学习模型进行建模、训练、仿真、测试、分析、部署,快速构建智能化应用

  • 应用编号: R2018ZN425RJ15
  • 服务商: 九次方大数据信息集团有限企业
  • 店铺: 九次方大数据信息集团有限企业
  • 资质: 优质服务提供商
  • 时间: 2018-08-25
  • 服务商等级: 钻石
  • 行业: 轻工
  • 服务商标签: 技术创新
  • 领域: 业务运行App
  • 在线时间: 周一至周五 9:00-18:00
  • 应用属性: 技术创新
  • 操作系统: Windows
  • 电话: 010-57018300
  • 邮箱: 010-57018300@163.com
  • 使用方式: 云端手动部署
  • 店铺服务: 经济贸易咨询;投资咨询;投资管理;App开发;数据处理;技术开发、技术服务、技术咨询;计算机系统集成;市场调查;企业管理咨询;企业策划
  • 产品先容
1、 概述
随着大数据的广泛应用,深入挖掘数据内在的规律,获取新的价值点,实现智能化成为业界最关心的课题,于是涌现出很多优秀的深度机器学习模型和架构,而操作这些模型和架构需要较强的计算机编程能力,限制了领域专家的使用。而事实上,领域专家由于对本领域的有着较深的理解,往往能建立更好的模型,取得更好的效果。
本平台主要针对领域专家建立的深度学习平台,能够以非常简便的方式地对深度学习模型进行建模、训练、仿真、测试、分析、部署,而不需要了解底层的编程实现,将精力集中在模型和问题域本身,适用于工业、农业、医学、图像处理等领域,快速构建智能化应用。对于深度学习研究人员,由于平台提供了可视化的操作方式及分析手段,也可以提高研究效率。

平台客户端运行在Windows系统下,服务器端采用Linux内核设计,与业界流行的深度学习框架兼容,具有较高的运行效率。

2、 系统功能概况
2.1 浅层学习算法
平台支撑传统的浅层学习算法,包含:
1)Logisti回归
2)随机森林
3)SVM支撑向量机
4)增强型BP神经网络
2.2 深度学习算法
平台通过对模型组件的拖拽、连接等可视化操作,搭建深度学习模型,包含:
1)卷积神经网络
2)堆层叠自动编码器神经网络
3)深度信念网络
4)自定义结构深度模型
2.3 模型分析
1)对深度模型中任意组件求取输出值,便于观察中间状态
2)对卷积神经网络提供特征可视化功能,便于调整卷积层的输出特征
3)对模型训练结果提供精度报告
2.4 模型处理
可以保存所设计模型、关联的数据文件、选择的字段等,并具有一键加载功能,马上恢复到模型保存时的中间状态
2.5 WEB服务发布
训练好的模型可以直接部署在WEB服务器上,对外发布预测服务。

3、 运行环境
该平台通过客户端程序进行模型设计,将数据上传至服务器进行训练和预测,以C/S 架构实现,模型预测发布以B/S架构实现。
3.1 客户端运行环境
1)操作系统WINDOWS 7 以上
2)需要安装.NET45

3.2 服务器端运行环境
1)CPU 物理双核,主频3GHZ 以上
2)内存最小需要16G,32G保持较好性能
3)最好支撑GPU
4)操作系统Ubuntu 14
5)Python 2.7以上






XML 地图 | Sitemap 地图