Notebook 模板使用指南概述

BML 基于 Jupyter 提供了在线的交互式开发环境 Notebook 建模，不但免去了用户准备开发环境的过程，而且可以帮助用户轻松的实现数据集、代码以及模型的管理。

模板概述

BML Notebook 建模为开发者提供了图像分类-单图单标签、图像分类-单图多标签、物体检测、NLP 通用和通用等多种模板。

其中需要注意的是：

1、图像分类-单图单标签、图像分类-单图多标签、物体检测等模板仅支持 PaddlePaddle 框架训练产出的对应方向模型进行后续的部署，如：图像分类-单图单标签仅支持 PaddlePaddle 框架训练的图像分类-单图单标签模型进行后续部署。

2、NLP 通用模板仅支持 PaddlePaddle 框架 wenxin 套件训练产出的文本分类-单标签、文本分类-多标签、短文本相似度、序列标注模型的后续部署。

3、通用 Notebook 产出的模型支持 图像分类单标签、图像分类多标签、物体检测、表格预测 四种应用方向的模型，各个方向支持的模型框架如下：

• 图像分类单标签：PaddlePaddle、Tensorflow、Caffe、Pytorch、MXMet、Darknet、ONNX
• 图像分类多标签：PaddlePaddle、Tensorflow、Caffe、Pytorch、MXMet、Darknet、ONNX
• 物体检测：PaddlePaddle、caffe、Darknet
• 表格预测：sklearn、xgboost

使用指南列表

本文针对各模板均提供了使用指南如下：

1、基于 Notebook 的 NLP 通用模板使用指南

2、基于 Notebook 的图像分类模板使用指南

3、基于 Notebook 的物体检测模板使用指南

4、基于 Notebook 的通用模板使用指南