深度学习模型预测 深度学习已经广泛应用于图像分类、图像识别和语音识别等不同领域，DLI服务中提供了若干函数实现加载深度学习模型并进行预测的能力。 目前可支持的模型包括DeepLearning4j 模型和Keras模型。由于Keras它能够以 TensorFlow、CNTK或者 Theano

查看更多 →

深度学习模型预测 深度学习已经广泛应用于图像分类、图像识别和语音识别等不同领域，DLI服务中提供了若干函数实现加载深度学习模型并进行预测的能力。 目前可支持的模型包括DeepLearning4j 模型和Keras模型。由于Keras它能够以 TensorFlow、CNTK或者 Theano

查看更多 →

整理记录 前提条件 已开通碎片整理助手功能。 操作步骤 单击主菜单的“更多服务 ＞ 碎片助手 ＞ 整理记录”。 整理记录中列表的数据可在上方进行条件筛选。支持筛选的字段有Flavor类型，整理记录的状态和整理记录的日期。 表1 整理记录列表说明 操作任务 说明 整理记录状态列 待

查看更多 →

AI开发的目的是将隐藏在一大批数据背后的信息集中处理并进行提炼，从而总结得到研究对象的内在规律。 对数据进行分析，一般通过使用适当的统计、机器学习、深度学习等方法，对收集的大量数据进行计算、分析、汇总和整理，以求最大化地开发数据价值，发挥数据作用。 AI开发的基本流程 AI开发的基本流程通常可以归纳为几个步骤：确

查看更多 →

0中的Keras高层接口及TensorFlow2.0实战 深度学习预备知识 介绍学习算法，机器学习的分类、整体流程、常见算法，超参数和验证集，参数估计、最大似然估计和贝叶斯估计 深度学习概览 介绍神经网络的定义与发展，深度学习的训练法则，神经网络的类型以及深度学习的应用 图像识别、语音识别、机器翻译编程实验

查看更多 →

基础知识 边缘算法 边缘算法表示算法模型下发到边缘节点的客户设备中，在客户设备中执行算法分析任务，视频流数据不需要提供到华为云上。 云上算法 云上算法表示视频流数据需要上传到华为云，在华为云上进行算法分析。 边缘算法与云上算法的区别 表1 边缘算法与云上算法的差异点 算法分类 算法功能

查看更多 →

基础知识 知识图谱 知识图谱是结构化的语义知识库，用于迅速描述物理世界中的概念及其相互关系。知识图谱的基本单位是实体（Entity）-关系（Relationship）-实体（Entity）”构成的三元组。例如社交网络图谱里，我们既可以有“人”的实体，也可以包含“公司”实体。 概念

查看更多 →

基础知识 AI开发基本流程介绍 AI开发基本概念 ModelArts中常用概念 数据管理 开发环境 模型训练 模型部署 自动学习

查看更多 →

600/1000 200USD 考试内容 HCIA-AI V3.0考试包含人工智能基础知识、机器学习、深度学习、华为昇腾AI体系、华为AI全栈全场景战略知识等内容。 知识点 人工智能概览 10% 机器学习概览 20% 深度学习概览 20% 业界主流开发框架 12% 华为AI开发框架MindSpore

查看更多 →

基础知识 边缘算法 边缘算法表示算法模型下发到边缘节点的客户设备中，在客户设备中执行算法分析任务，视频流数据不需要提供到华为云上。 云上算法 云上算法表示视频流数据需要上传到华为云，在华为云上进行算法分析。 边缘算法与云上算法的区别 表1 边缘算法与云上算法的差异点 算法分类 算法功能

查看更多 →

存储基础知识 Volume（卷） 容器中的文件在磁盘上是临时存放的，这给容器中运行的较重要的应用程序带来如下两个问题： 当容器重建时，容器中的文件将会丢失。 当在一个Pod中同时运行多个容器时，容器间需要共享文件。 Kubernetes抽象出了Volume（卷）来解决以上两个问题

查看更多 →

建议您学习并了解如下信息： 基础知识了解 通过CloudTable产品功能章节的内容，了解CloudTable相关的基础知识，包含CloudTable各组件的基本原理和场景介绍，以及CloudTable服务的特有概念和功能的详细介绍。 入门使用 您可以参考《快速入门》学习并上手使

查看更多 →

容器引擎基础知识 容器引擎（Docker）是一个开源的引擎，可以轻松的为任何应用创建一个轻量级的、可移植的、自给自足的容器。 安装前的准备工作 在安装容器引擎前，请了解容器引擎的基础知识，具体请参见Docker Documentation。 选择容器引擎的版本 容器引擎几乎支持在

查看更多 →

。 自动学习的关键技术主要是基于信息熵上限近似模型的树搜索最优特征变换和基于信息熵上限近似模型的贝叶斯优化自动调参。通过这些关键技术，可以从企业关系型（结构化）数据中，自动学习数据特征和规律，智能寻优特征&ML模型及参数，准确性甚至达到专家开发者的调优水平。自动深度学习的关键技术

查看更多 →

基于CodeArts IDE Online、TensorFlow和Jupyter Notebook开发深度学习模型 概要 准备工作 导入和预处理训练数据集 创建和训练模型 使用模型

查看更多 →

如果您是首次使用ModelArts的用户，建议您学习并了解如下信息： 基础知识了解 通过基础知识章节的内容，了解ModelArts相关的基础知识，包含AI开发的基础流程、AI开发的基础概念，以及ModelArts服务的特有概念和功能的详细介绍。 入门使用 《快速入门》提供了样例的详细操作指导，帮助用户学习并上手使用ModelArts

查看更多 →

ModelArts中常用概念 自动学习 自动学习功能可以根据标注数据自动设计模型、自动调参、自动训练、自动压缩和部署模型，不需要代码编写和模型开发经验。只需三步，标注数据、自动训练、部署模型，即可完成模型构建。 端-边-云 端-边-云分别指端侧设备、智能边缘设备、公有云。 推理

查看更多 →

迁移学习 如果当前数据集的特征数据不够理想，而此数据集的数据类别和一份理想的数据集部分重合或者相差不大的时候，可以使用特征迁移功能，将理想数据集的特征数据迁移到当前数据集中。 进行特征迁移前，请先完成如下操作： 将源数据集和目标数据集导入系统，详细操作请参见数据集。 创建迁移数据

查看更多 →

可见范围内的学员在学员端可看见此项目并可以进行学习，学习数据可在学习项目列表【数据】-【自学记录】查看。 学习设置： 防作弊设置项可以单个项目进行单独设置，不再根据平台统一设置进行控制。 文档学习按浏览时长计算，时长最大计为：每页浏览时长*文档页数；文档学习按浏览页数计算，不计入学习时长。 更多设置：添加协同人

查看更多 →

学习空间 我的课堂 MOOC课程 我的考试

查看更多 →

学习任务 管理员以任务形式，把需要学习的知识内容派发给学员，学员在规定期限内完成任务，管理员可进行实时监控并获得学习相关数据。 入口展示 图1 入口展示 创建学习任务 操作路径：培训-学习-学习任务-【新建】 图2 新建学习任务 基础信息：任务名称、有效期是必填，其他信息选填 图3

查看更多 →