什么是数据标准化？

训练后的模型在正式集成之前，需要评估模型效果是否可用。

在模型训练时，应该根据硬件资源的充足程度来选择合适的算法类型。

在EasyDL中，创建模型后可持续新增模型版本。

在数据导入到人工智能测试平台前需要进行数据清洗。

在准备数据的时候，应该尽可能采集真实场景下的数据。

在进行图像分类时，每个类别的图像数量应该尽可能保持一致。

在算法测试中，修改参数配置文件可能提高算法的精度。

所有数字应根据实际发音转写为文本，不能写成阿拉伯数字。

语音存在影响语音清晰度的空旷音、混响等异常，会被判定为无效语音。

语音类数据质量要求包括语音清晰、无噪音，语段截取正确准确、有逻辑性等。