公共模型 公共模型提供API设计时所需公共数据的定义，在设计API的Body请求体或返回响应时，如果需要使用某种数据模型、公共响应等，可直接引用对应的公共模型，单击“公共模型”搜索框右侧，新建不同类型公共模型，CodeArts API提供以下7种公共模型定义：数据模型、公共响应、

查看更多 →

String 来源训练作业的ID，模型是从训练作业产生的可填写，用于溯源；如模型是从第三方元模型导入，则为空，默认值为空。 source_job_version 否 String 来源训练作业的版本，模型是从训练作业产生的可填写，用于溯源；如模型是从第三方元模型导入，则为空，默认值为空。

查看更多 →

模型采集 接入数据源 管理数据源 采集任务管理 父主题： 应用模型

查看更多 →

在开天 集成工作台 界面中，选择左侧导航栏中的“应用模型 > 实例管理”。 单击实例“控制台”，弹出“模型地图和模型目录上新啦”对话框，单击“使用旧版”，选择“模型地图”。 如果没有对话框出现，选择“模型地图”，右上角单击“返回旧版”，切换至旧版模型地图。 在搜索栏中输入需要查询的模型数据关键字，选择查询模型的类型，单击“搜索”跳转模型列表界面，如图1所示。

查看更多 →

可以看到获取的shape信息如下图所示。 图1 shape信息 PyTorch模型转换为Onnx模型（可选） 获取onnx模型有两种方式，方式一是使用官方提供的模型转换脚本将pytorch模型转换为onnx模型，方式二是对于提供了onnx模型的仓库，可以直接下载onnx模型。下面介绍方式一如何操作，如果采用方式二，可以跳过此步骤。

查看更多 →

模型适配 基于MindSpore Lite的模型转换 动态shape 父主题： GPU推理业务迁移至昇腾的通用指导

查看更多 →

在总览图中找到所需要的逻辑模型，将光标移动到该卡片上，单击该模型的转换按钮。逻辑模型只支持转换为关系建模的模型。 图8 逻辑模型转化为物理模型 在“转换为物理模型”对话框中，配置如下参数，然后单击“确定”。 图9 转换为物理模型 逻辑模型转换为物理模型时，系统会先校验是否有前缀。 表6 参数描述 参数名称

查看更多 →

场景介绍 图1 容器中获取源IP 根据不同的网络设置，容器内获取客户端源IP的方法可能会有所不同。以下是几种常见的网络访问配置及其对应的解决方案： Ingress七层转发：应用在七层访问时，客户端源IP默认保存在HTTP头部的“X-Forwarded-For”字段，无需进行其他配置即可获取客户端源IP。

查看更多 →

模型归档 模型训练完成后，支持归档模型。操作步骤如下所示。 单击界面右上角的“归档”图标，如图1所示。 界面下方新增cell代码框。 图1 归档图标 配置新增的cell代码框右侧配置参数。 参数说明如下所示： 模型名：归档模型的名称。以字母开头，可由数字、大小写字母或中划线组成。示例：Learnware-01。

查看更多 →

模型验证 模型验证简介 创建验证服务 创建验证任务 父主题： 用户指南

查看更多 →

n_yahoo_train”。 单击“加载数据”代码框左侧的图标。运行代码，绑定训练数据。 运行成功后，可以查看训练数据，如图1所示。 图1 查看训练数据 单击界面左下角的“数据预处理”。 弹出“数据预处理”代码框，如图2所示。 也可以单击界面右上角的，在弹出的算子框中，选择“学件

查看更多 →

模型管理 创建资产模型 删除资产模型 添加属性信息 修改属性信息 删除属性信息 添加分析任务 修改分析任务 删除分析任务 父主题： 资产建模

查看更多 →

模型仓库 在菜单栏中，选择“模型仓库”。 进入“模型仓库”界面。界面以列表的形式，展示了当前租户下面已成功创建推理服务的模型包列表和模型包详细信息，如图1所示。 图1 模型仓库 界面说明如表1所示。 表1 模型仓库界面说明 区域 参数 参数说明 1 支持通过模型包名称快速检索模型包。

查看更多 →

模型训练一般需要运行一段时间，等模型训练完成后，“模型训练”页面下方显示训练详情。 查看训练详情 模型训练完成后，可在“模型训练”页面查看“训练详情”，包括“准确率变化情况”和“误差变化”。 图1 模型训练 模型如何提升效果 检查是否存在训练数据过少的情况，建议每个类别的图片量不少于100个，如果低于这个量级建议扩充。

查看更多 →

l.pb”，请勾选预训练模型。 确认信息后，单击“开始训练”。 图1 模型训练 模型训练一般需要运行一段时间，等模型训练完成后，“应用开发>模型训练”页面下方显示训练详情。 查看训练详情 模型训练完成后，可在“开发应用>模型训练”页面查看“训练详情”。 图2 训练详情 父主题： HiLens安全帽检测技能

查看更多 →

练模板新建技能，并训练模型，详情请见训练模型。 评估模型 工作流会用测试数据评估模型，在“应用开发>评估模型”页面，查看评估结果。 模型评估 图1 模型评估 训练模型的版本、标签数量、测试集数量。单击“下载评估结果”，可保存评估结果至本地。 评估参数对比 图2 评估参数对比 左侧

查看更多 →

模型训练一般需要运行一段时间，等模型训练完成后，“模型训练”页面下方显示查看训练详情。 图1 训练模型 查看训练详情 模型训练完成后，可在“模型训练”页面查看“训练详情”，包括“准确率变化情况”和“误差变化”。 图2 模型训练 模型如何提升效果 检查是否存在训练数据过少的情况，建议每个类别的图片量不少于100个，如果低于这个量级建议扩充。

查看更多 →

已在视觉套件控制台选择“热轧钢板表面缺陷检测工作流”新建应用，并训练模型，详情请见训练模型。 评估模型 在“模型评估”页面，您可以针对当前版本的模型进行模型评估，查看评估参数对比和详细评估，也可以模拟在线测试。 图1 评估模型 模型评估 “模型评估”下侧显示当前模型的版本、标签数量、验证集数量。 评估参数对比

查看更多 →

的评估参数值柱状图。 图1 整体评估 详细评估 在“模型评估”页面，您可以查看测试集中数据模型预测结果。 “详细评估”左侧选择文本，右侧显示模型预测的实体抽取结果和正确的抽取结果，您可以判断当前模型抽取的实体是否正确。 图2 详细评估 后续操作 针对当前版本的模型，经过“整体评估

查看更多 →

情况”和“损失变化”。 图1 模型训练 模型如何提升效果 检查图片标注是否准确，第二相区域标注工作量较大，建议基于自动标注的结果进一步优化标注精度。 可根据损失函数选择适当的训练轮次。 通过详细评估中的错误识别示例，有针对性地扩充训练数据。 后续操作 模型训练完成后，单击“下一步

查看更多 →

在“模型训练”页面，单击“开始训练”。 模型训练一般需要运行一段时间，等模型训练完成后，“开发应用>模型训练”页面下方显示查看训练详情。 查看训练详情 模型训练完成后，可在“模型训练”页面查看“训练详情”，包括“准确率变化情况”和“误差变化”。 图1 模型训练 模型如何提升效果 检查是否存在训练数据过少的情

查看更多 →