机器学习
机器学习与Label Studio的集成
机器学习集成
-
Baal支持贝叶斯主动学习的库
-
Flair命名实体识别
-
Grounding DINO文本驱动的目标检测模型
-
Hugging FaceLabel Studio在Hugging Face Spaces中的应用
-
LangChain评估大语言模型输出质量
-
Mistral AI高性能开源权重语言模型。
-
Nvidia NeMo自动化音频转录
-
OpenMMLab边界框图像标注
-
PyTorch开源机器学习框架
-
Scikit Learn机器学习工具包
-
Segment Anything Model图像分割模型
-
TensorFlow开源深度学习框架
-
Tesseract自动边界框OCR识别
-
Ultralytics YOLO计算机视觉模型
Label Studio 包含一个机器学习API，可实现自动数据标注和模型训练。您可以为您喜欢的机器学习框架进行设置：
- 预标注: 模型预测数据标签，标注人员进一步进行人工修正。
- 自动标注： 模型自动预测数据标注任务的注释。
- 在线学习：随着新标注的创建，模型会自动更新，在标注过程中重新训练模型。
- 主动学习：用户标注模型难以预测的示例任务，针对性地进行重新训练，以提高模型在特定任务上的性能。
机器学习集成
关于“ ”的集成搜索结果
-
Baal
支持贝叶斯主动学习的库
-
Flair
命名实体识别
-
Grounding DINO
文本驱动的目标检测模型
-
Hugging Face
Label Studio在Hugging Face Spaces中的应用
-
LangChain
评估大语言模型输出质量
-
Mistral AI
高性能开源权重语言模型。
-
Nvidia NeMo
自动化音频转录
-
OpenMMLab
边界框图像标注
-
PyTorch
开源机器学习框架
-
Scikit Learn
机器学习工具包
-
Segment Anything Model
图像分割模型
-
TensorFlow
开源深度学习框架
-
Tesseract
自动边界框OCR识别
-
Ultralytics YOLO
计算机视觉模型
您是否有一个新集成的想法？
其他集成
关于“”的集成搜索结果
-
Amazon Sagemaker将Label Studio与AWS Sagemaker集成
-
Galileo发现数据问题和错误
-
Lightly.ai数据管理的主动学习平台
-
Modzy部署、运行和监控机器学习模型
-
Unstructured.io非结构化数据摄取与预处理
-
ZenML可扩展的MLOps框架
-
DockerLabel Studio的容器化安装方式
-
Kubernetes用于部署和扩展Label Studio的基础设施
-
Terraform自动化安装
-
Azure Blob Storage用于数据标注的Azure云存储
-
Google Cloud Storage用于数据标注的Google云存储
-
Pachyderm数据标注的自动化版本控制
-
S3AWS云存储服务，用于数据标注
-
PostgreSQL用于数据标注的高级关系型存储
-
Redis标注数据的高速缓存
-
SQLiteLabel Studio默认的内嵌数据库