模型仓库是整个BML中模型的中央存储仓库，模型仓库可导入所有训练任务生成的模型并进行统一管理。
模型仓库支持的模型类型
| 技术方向 | 类型 | 部署方式 |
| 视觉 | 图像分类 | 公有云部署、EasyEdge本地部署 |
| 物体检测 | 公有云部署、EasyEdge本地部署 | |
| 实例分割 | 公有云部署、EasyEdge本地部署 | |
| 自然语言处理 | 文本分类 | 公有云部署 |
| 短文本相似度 | 公有云部署 | |
| 序列标注 | 公有云部署 | |
| 文本实体抽取 | 公有云部署 | |
| 结构化数据 | 表格数据预测 | 公有云部署 |
| 通用 | N/A | 公有云部署 |
从训练任务导入模型
BML支持多种训练方式，在训练任务执行成功后，可以将其生成的模型导入到模型仓库中进行模型的统一管理。
-
从预置模型调参导入模型
- 在BML中通过预置模型调参完成模型训练后，可以将满足要求的模型发布到模型仓库中。
- 一个预置模型调参项目的不同任务生成的模型只能发布到模型仓库中一个模型的不同版本下。
-
从Notebook导入模型
- 在Notebook中保存模型并通过校验后，可以将其发布到模型仓库中。
- 一个Notebook中保存的不同模型只能发布到模型仓库中一个模型的不同版本下。
-
从自定义作业导入模型
- 自定义作业运行成功后，可以将其生成的模型发布到模型仓库中。
- 一个自定义作业产生的模型只能发布到模型仓库中一个新的模型下。
从本地导入模型
BML也支持用户将本地已训练好的模型导入到模型仓库中，从而将模型部署为在线服务或转换为可行性离线部署的SDK等。
从本地导入时，BML当前支持的模型类型及相关框架如下所示：
| 模型类型 | 支持的AI框架 | 支持的部署方式 |
| 图像分类 | PaddlePaddle | 公有云部署、EasyEdge本地部署 |
| TensorFlow | 公有云部署、EasyEdge本地部署 | |
| Pytorch | 公有云部署、EasyEdge本地部署 | |
| Caffe | EasyEdge本地部署 | |
| MXNet | EasyEdge本地部署 | |
| Darknet | EasyEdge本地部署 | |
| ONNX | EasyEdge本地部署 | |
| 物体检测 | PaddlePaddle | 公有云部署、EasyEdge本地部署 |
| Caffe | EasyEdge本地部署 | |
| Darknet | EasyEdge本地部署 | |
| 表格数据预测 | Sklearn | 公有云部署 |
| XGBoost | 公有云部署 |
