创建一个队列，两个任务。任务1调用写队列接口发送消息，任务2通过读队列接口接收消息。通过LOS_TaskCreate创建任务1和任务2。通过LOS_QueueCreate创建一个消息队列。在任务1 send_Entry中发送消息。在任务2 recv_Entry中接收消息。通过LOS_QueueDelete删除队列。前提条件：在menu

查看更多 →

本实例实现如下功能：创建一个测试CPUP的任务。获取系统最近1s内所有任务或中断的CPUP。获取系统（除idel任务外）最近10s内的总CPU占用率。获取CPUP测试任务的CPUP。前提条件：通过make menuconfig配置好CPU占用率模块。代码实现如下：编译运行得到的结果为：sample_cpup.c

查看更多 →

基于野火挑战者开发板（Cloud_STM32F429IGTx_FIRE）开发应用定时读取MPU6050传感器的原始数据。MPU6050是一种六轴传感器模块，能同时检测三轴加速度、三轴陀螺仪（角加速度）、温度。本实例中提供的传感器驱动和应用代码仅对使用传感框架读取传感器做基本设计和实现，仅做参考。初始化陀螺仪标签类别的两个应用g_gyroI

查看更多 →

此编程规范在业界通用的编程规范基础上进行了整理，供开发者参考使用。清晰，易于维护、易于重构。简洁，易于理解，并且易于实现。风格统一，代码整体风格保持统一。通用性，遵循业界通用的编程规范。建议将工程按照功能模块划分子目录（可参考LiteOS的功能模块划分），子目录再定义头文件和源文件目录。使用驼峰风格进行命名，此风格大小写字母混用，不同单词

查看更多 →

法快速生成模型。 同时需要投入1至2名算法专家进行数据清洗、特征分析、模型选择和验证等工作，模型开发成本高。 学件概念 学件可以重用已有学件进行开发，不必从头开发。 学件（Learnware）= 模型（model）+ 规约（specification） 其中，规约需要能够描述模型，模型需要满足如下条件：

查看更多 →

理和维护。 volcano插件：Volcano是一个基于Kubernetes的批处理平台，提供了机器学习、深度学习、生物信息学、基因组学及其他大数据应用所需要而Kubernetes当前缺失的一系列特性。 Flink Operator：通过Flink operator ，把Flin

查看更多 →

部分深度学习模型参数 一键式模型部署和API发布，提供深度学习模型的快速部署功能，支持GPU资源分配、弹性扩容、模型迭代发布、应用监控和统计分析，轻松实现AI能力服务化。 图19 模型部署发布平台 平台基于模型训练结果，面向典型业务场景与应用需求，可提供遥感影像在线智能解译能力，包括遥感影像的单

查看更多 →

本实例介绍基本的任务操作方法，包含任务创建、任务延时、任务锁与解锁调度、挂起和恢复等操作，阐述任务优先级调度的机制以及各接口的应用。创建了2个任务:TaskHi和TaskLo。TaskHi为高优先级任务, 绑定在当前测试任务的CPU上。TaskLo为低优先级任务，不设置亲和性即不绑核。由于TaskLo未设置亲和性，LOS_TaskLock

查看更多 →

其他编程语言 APP认证工作原理 构造规范请求。 将待发送的请求内容按照与API网关后台约定的规则组装，确保客户端签名、API网关后台认证时使用的请求内容一致。 使用规范请求和其他信息创建待签字符串。 使用AK/SK和待签字符串计算签名。 将生成的签名信息作为请求消息头添加到HT

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 →

NVIDIA GPU驱动版本 CUDA Toolkit版本 460.106 CUDA 11.2.2 Update 2 及以下 418.126 CUDA 10.1 (10.1.105)及以下 GPU镜像 CUDA和cuDNN都是与GPU相关的技术，用于加速各种计算任务，特别是深度学习任务。在使用NVIDIA

查看更多 →

开发学件 创建模型训练服务项目 创建自定义学件项目 抽象算子 编辑主文件 父主题： 自定义学件开发指南

查看更多 →

GPU调度 GPU节点驱动版本 使用Kubernetes默认GPU调度 GPU虚拟化 监控GPU资源指标 基于GPU监控指标的工作负载弹性伸缩配置 GPU故障处理 父主题： 调度

查看更多 →

GPU驱动概述 GPU驱动概述 在使用GPU加速型实例前，请确保实例已安装GPU驱动以获得相应的GPU加速能力。 GPU加速型实例支持两种类型的驱动：GRID驱动和Tesla驱动。 当前已支持使用自动化脚本安装GPU驱动，建议优先使用自动安装方式，脚本获取以及安装指导请参考（推荐

查看更多 →

gputil import GPUtil as GPU GPU.showUtilization() import GPUtil as GPU GPUs = GPU.getGPUs() for gpu in GPUs: print("GPU RAM Free: {0:.0f}MB |

查看更多 →

本实例演示如何使用动态注册命令方式新增一个名为test的Shell命令。定义一个新增命令所要调用的命令处理函数cmd_test。使用osCmdReg函数添加新增命令项。通过make menuconfig使能Shell。重新编译代码后运行。定义命令所要调用的命令处理函数cmd_test：#include "shell.h" #include

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 →

使用AutoGenome镜像 AutoGenome是Notebook镜像，利用AutoML等技术帮助科研工作者在基因组学数据上端到端实现深度学习网络搜索，训练，评估，预测和解释的工具包。 使用AutoGenome镜像的详细步骤如下所示： 步骤1：订阅镜像 步骤2：创建Notebook

查看更多 →

什么是OptVerse 天筹求解器服务(OptVerse)是一种基于华为云基础架构和平台的智能决策服务，以自研AI求解器为核心引擎，结合机器学习与深度学习技术，为企业提供生产计划与排程、切割优化、路径优化、库存优化等一系列有竞争力的行业解决方案。 使用要求 OptVerse以开放API（Application

查看更多 →

例会在成本可控上遇到较大挑战。 竞享实例的应用 客户通过使用竞享实例来降低用云成本，并在预算范围内尽可能的扩大集群规模，提升业务效率。客户要面对的最大挑战是一定概率的实例终止情况，通过保留一定量的按需实例作为竞享实例的BackUP可实现在竞享实例被回收时业务的平滑切换。 【竞享实

查看更多 →