一、DSW Gallery 简介
Gallery是使用机器学习平台PAI的有效指引，您可以通过Notebook的形式，直接使用机器学习平台PAI的各个组件，包括云原生深度学习训练平台PAI-DLC，弹性推理服务平台PAI-EAS，助您快速熟悉云原生下的AI研发流程。DSW Gallery为广大AI开发者提供来自各个行业和技术方向，简单易用，一键启动的案例，助您有效提升开发效率和质量。
通过DSW Gallery，您可以预览案例，也可以在DSW实例中快速启动案例，或将案例修改为适合自己的使用场景。丰富的案例和解决方案可提升研发的效率和质量，帮助您快速完成模型构建和训练。
本文为您展示DSW Gallery的全部文章，欢迎您浏览。同时文末有动手实验有奖活动，期待您的参与！
二、DSW Gallery 目录
| 标题 | 链接 |
| 【DSW Gallery】PAI-DSW快速入门 | https://developer.aliyun.com/article/1012661 |
| 【DSW Gallery】PAI-DSW开通及授权 | https://developer.aliyun.com/article/1012714 |
| 【DSW Gallery】在DSW中如何玩转Hugging Face | https://developer.aliyun.com/article/1021445 |
| 【DSW Gallery】数据分析经典案例：Kaggle竞赛之房价预测 | https://developer.aliyun.com/article/1023504 |
| 【DSW Gallery】基于残差网络的图像分类示例 | https://developer.aliyun.com/article/1023521 |
| 【DSW Gallery】DSW实例管理 | https://developer.aliyun.com/article/1024744 |
| 【DSW Gallery】PAI-DSW计费方式介绍 | https://developer.aliyun.com/article/1024749 |
| 【DSW Gallery】企业和团队如何使用PAI-DSW协作开发 | https://developer.aliyun.com/article/1024752 |
| 【DSW Gallery】特征平台 | https://developer.aliyun.com/article/1024773 |
| 【DSW Gallery】COMMON_IO使用指南 | https://developer.aliyun.com/article/1024779 |
| 【DSW Gallery】PAIIO使用指南 | https://developer.aliyun.com/article/1024786 |
| 【DSW Gallery】MaxCompute（ODPS）Python SDK使用指南 | https://developer.aliyun.com/article/1025441 |
| 【DSW Gallery】阿里云OSS使用指南 | https://developer.aliyun.com/article/1025445 |
| 【DSW Gallery】使用Numpy实现卷积神经网络 | https://developer.aliyun.com/article/1025456 |
| 【DSW Gallery】SkLearn CookBook | https://developer.aliyun.com/article/1025489 |
| 【DSW Gallery】 XGBoost:如何使用XGBoost解决回归问题 | https://developer.aliyun.com/article/1026554 |
| 【DSW Gallery】基于SwinTransformer的图像分类示例 | https://developer.aliyun.com/article/1026560 |
| 【DSW Gallery】基于YOLOX模型图像检测示例 | https://developer.aliyun.com/article/1026565 |
| 【DSW Gallery】基于EasyNLP的BERT文本分类 | https://developer.aliyun.com/article/1026569 |
| 【DSW Gallery】基于EasyNLP的BERT英文机器阅读理解 | https://developer.aliyun.com/article/1027847 |
【DSW Gallery】基于EasyNLP的MacBERT中文机器阅读理解 |
https://developer.aliyun.com/article/1027880 |
| 【DSW Gallery】基于EasyNLP的RoBERTa中文新闻多分类 | https://developer.aliyun.com/article/1027883 |
| 【DSW Gallery】基于EasyNLP的英文文本摘要 | https://developer.aliyun.com/article/1036979 |
| 【DSW Gallery】基于EasyNLP的中文新闻标题生成 | https://developer.aliyun.com/article/1036989 |
| 【DSW Gallery】基于EasyNLP的序列标注（命名实体识别） | https://developer.aliyun.com/article/1036990 |
| 【DSW Gallery】基于EasyNLP的RoBERTa中文文本匹配 | https://developer.aliyun.com/article/1036996 |
| 【DSW Gallery】基于EasyNLP的多模态CLIP图文检索 | https://developer.aliyun.com/article/1037002 |
| 【DSW Gallery】HybridBackend 极简教程: 在 GPU 上加速推荐模型训练 | https://developer.aliyun.com/article/1038150 |
| 【DSW Gallery】Tensorflow 2构建CNN模型 | https://developer.aliyun.com/article/1038153 |
| 【DSW Gallery】使用Tensorflow来构建AutoEncoder | https://developer.aliyun.com/article/1038571 |
| 【DSW Gallery】介绍如何使用SDK提交DLC训练任务 | https://developer.aliyun.com/article/1038574 |
| 【DSW Gallery】DSW如何挂载数据盘 | https://developer.aliyun.com/article/1038600 |
| 【DSW Gallery】DSW Gallery | https://developer.aliyun.com/article/1038607 |
| 【DSW Gallery】DSW镜像使用入门 | https://developer.aliyun.com/article/1038609 |
| 【DSW Gallery】DSW打通用户VPC | https://developer.aliyun.com/article/1039043 |
| 【DSW Gallery】使用Python SDK管理DSW实例 | https://developer.aliyun.com/article/1039045 |
| 【DSW Gallery】使用EAS Python SDK完成模型部署 | https://developer.aliyun.com/article/1039047 |
| 【DSW Gallery】介绍如何在DSW中使用EAS命令行工具 | https://developer.aliyun.com/article/1039050 |
| 【DSW Gallery】DSW基础使用介绍 | https://developer.aliyun.com/article/1039055 |
| 【DSW Gallery】Jupyter简介 | https://developer.aliyun.com/article/1039057 |
| 【DSW Gallery】Jupyter魔术命令使用技巧 | https://developer.aliyun.com/article/1044697 |
| 【DSW Gallery】使用 Alink 结合 TFDV 进行数据探索和验证 | https://developer.aliyun.com/article/1045594 |
| 【DSW Gallery】交替最小二乘算法解决推荐相关问题 | https://developer.aliyun.com/article/1046676 |
| 【DSW Gallery】Gbdt-FM模型 | https://developer.aliyun.com/article/1046709 |
| 【DSW Gallery】Gbdt-LR模型 | https://developer.aliyun.com/article/1046778 |
| 【DSW Gallery】基于图算法实现金融风控 | https://developer.aliyun.com/article/1046814 |
【DSW Gallery】 基于EasyCV的Mask2Former图像分割示例 |
https://developer.aliyun.com/article/1078364 |
【DSW Gallery】介绍如何使用命令行工具提交DLC任务 |
|
【DSW Gallery】基于残差网络的度量学习示例 |
|
【DSW Gallery】如何在DLC上提交ElasticBatch任务 |
|
【DSW Gallery】基于EasyNLP-Diffusion模型的中文文图生成 |
|
| 【DSW Gallery】基于EasyCV的BEVFormer 3D检测示例 | |
| 【DSW Gallery】基于YOLOX模型和iTAG标注数据的图像检测示例 | |
| 【DSW Gallery】基于EasyCV的文字识别示例 | |
| 【DSW Gallery】基于Top Down的关键点检测示例 | |
| 【DSW Gallery】基于MAE的自监督学习示例 | |
| 【DSW Gallery】基于MOCOV2的自监督学习示例 | |
| 【DSW Gallery】基于EasyCV的STDC图像语义分割示例 | |
| 【DSW Gallery】基于EasyCV的视频分类示例 | |
| 【DSW Gallery】EasyCV-基于关键点的视频分类示例 | |
| 【DSW Gallery】基于EasyNLP的中文信息抽取 | |
| 【DSW Gallery】基于预训练模型的多场景文本生成（以新闻标题生成为例） | |
| 【DSW Gallery】基于CK-BERT的中文序列标注 | |
| 【DSW Gallery】基于EasyNLP Transformer模型的中文文图生成 | |
| 【DSW Gallery】基于ModelScope的中文GPT-3模型（1.3B）的微调训练 | |
| 【DSW Gallery】如何在DLC中进行Pytorch DDP分布式训练任务 | |
| 【DSW Gallery】如何使用EasyRec训练DeepFM模型 | |
| 【DSW Gallery】如何使用DLC进行TensorFlow 1.x 分布式训练 | |
| 【DSW Gallery】如何使用DLC进行TensorFlow 2.x 分布式训练 | |
| 【DSW Gallery】如何提交开启AIMaster容错监控的DLC任务 | |
| 【DSW Gallery】如何在DLC训练任务中挂载OSS | |
| 【DSW Gallery】如何在DSW/DLC中使用企业版镜像服务ACR | |
| 【DSW Gallery】IsolationForest算法解决异常检测问题 | |
| 【DSW Gallery】OneClassSVM 算法解决异常检测问题 | |
【DSW Gallery】Grounded-SAM 马赛克熊使用示例 |
三、动手实验有奖
1. 实验内容：标题党制造机
通过【DSW Gallery】基于EasyNLP的中文新闻标题生成的操作，使用机器学习平台PAI和EasyNLP，简单、快速生成吸引眼球的高质量标题。
2. 活动日期
2022年11月11日-2022年12月30日。
3. 实验要求
1）完成上述案例的操作，截图PAI-DSW中最终跑通结果。
2）分享DSW-Gallery使用心得。例如：DSW-Gallery给你带来的主要价值是什么呢？在什么业务场景会接触和使用到DSW-Gallery？您使用DSW-Gallery解决过什么问题呢？……
3）将步骤1中的截图和步骤2的心得，以文章的形式发布在开发者社区，文章请以“DSW-Gallery使用体验+……”为标题，并将文章链接复制并发布至本文评论区。
完成上述步骤视为参与成功，缺少任一步骤视作弃权。所有参与活动的内容必须是原创作品，且保证内容的真实性，要求为个人独立创作。最终解释权归阿里云所有。
4. 参与方式
将撰写的文章以“DSW-Gallery使用体验+……”为标题，发布到开发者社区，标题不符合要求则视作无效文章，不计入统计。
步骤一：将文章发布到开发者社区。（请注意标题格式）
步骤二：将文章链接复制并发布至本文评论区。
完成步骤一和步骤二视为参与成功。（缺少任一步骤视作弃权）
5.奖励说明
- 奖项设置
奖项 |
奖品 |
奖项设置规则 |
奖品数量 |
最佳文章奖 |
罗技K580无线蓝牙键盘 | 根据文章内容质量评定 | 1 |
| 优质文章奖 | 小米充电宝（10000毫安） | 文章阅读量排名前3名 | 3 |
| 最佳人气奖 | 定制衣服一件 | 提交文章前30名 | 30 |
- 评奖时间
2023年1月6日，评委会将在本文评论区公布获奖名单，后续联系发放奖品。
奖品将于活动结束后20个工作日内寄出。
