Tensorflow ModelArts训练服务支持了多种AI框架，并对不同的引擎提供了针对性适配，用户在使用这些框架进行模型训练时，训练的启动命令也需要做相应适配。本文介绍了Tensorflow框架启动原理、控制台上创建训练任务时后台对应的启动命令。 Tensorflow框架启动原理

查看更多 →

maybe_download(TRAIN_IMAGES, train_dir) train_images = extract_images(local_file) local_file = maybe_download(TRAIN_LABELS, train_dir)

查看更多 →

Spark应用开发 概述 环境准备 开发程序 调测程序 调优程序 Spark接口 FAQ 开发规范

查看更多 →

> 总览”页面的“快速入门”区域，单击“应用开发”流程下的“下载SDK配置及证书”。 也可以单击左侧导航栏的“专享版 > 链管理”，进入“链管理”页面。 单击链卡片右上角的，打开“下载配置文件”面板。 在弹框中填写证书存放路径。 用户在编译应用程序时，证书的最终存放路径。如果证书路

查看更多 →

预览效果 预览验证 在页面开发时，单击，可进入开发环境的预览页面，跟实际效果稍有差距。本节将介绍如何在应用的预览环境中，预览应用效果。这里预览效果跟实际在运行环境中基本一致。在应用配置下，还可以更改应用框架的样式和颜色。 在应用中（demo），如图41所示，单击应用左侧导航下部的“配置”，单击“导航条”页签。

查看更多 →

应用开发 配置开发团队及服务扩展信息 创建及规划版本 开发版本 构建版本 测试版本 发布版本 父主题： 一站式应用开发、应用托管以及应用运维

查看更多 →

应用开发 新建工程或使用已有工程导入SDK SDK接口使用说明 旧版本文件清除 配置文件 构建打包 父主题： 端侧SDK接入

查看更多 →

单击页面右上角的，进入移动端页面开发。 进行页面的开发，开发方式和应用PC端类似，请参见创建页面。 预览验证 在页面开发时，单击，可进入开发环境的预览页面，跟实际效果稍有差距。本节将介绍如何在应用的预览环境中，预览应用效果。这里预览效果跟实际在运行环境中基本一致。在应用配置下，还可以更改应用框架的样式和颜色。

查看更多 →

开发应用 使用体验应用提供的AI可识别对象配置组件，可以直接拖拽AI组件到视频页面上，通过零码配置的方式来实现新的算法，具体操作请参见零码配置。 使用体验应用提供的AI视频页面参数定义脚本，可以通过低码开发模式实现视频画面的调节，具体操作请参见低码开发。 如果是首次创建或使用工程

查看更多 →

> 总览”页面的“快速入门”区域，单击“应用开发”流程下的“下载SDK配置及证书”。 也可以单击左侧导航栏的“专享版 > 链管理”，进入“链管理”页面。 单击链卡片右上角的，打开“下载配置文件”面板。 在弹框中填写证书存放路径。 用户在编译应用程序时，证书的最终存放路径。如果证书路

查看更多 →

应用开发 配置开发团队及服务扩展信息 创建及规划版本 开发版本 构建版本 测试版本 发布版本 父主题： 一站式应用开发、应用托管以及应用运维

查看更多 →

tf.keras.datasets.mnist (x_train, y_train), (x_test, y_test) = mnist.load_data() x_train, x_test = x_train / 255.0, x_test / 255.0 model =

查看更多 →

Tensorflow训练 Kubeflow部署成功后，使用ps-worker的模式来进行Tensorflow训练就变得非常容易。本节介绍一个Kubeflow官方的Tensorflow训练范例，您可参考TensorFlow Training (TFJob)获取更详细的信息。 创建MNIST示例

查看更多 →

开发AI应用 准备模型 AI应用开发的前序步骤是模型训练，因此开始进行AI应用开发时，您已经有训练优化好的可使用的模型了。当前ModelBox 镜像支持的模型类型有TensorRT和PyTorch模型，具体的版本号在您创建开发环境选择镜像时镜像名称中可以看到。 如果您的模型不是T

查看更多 →

Spark应用开发规则 Spark应用中，需引入Spark的类 对于Java开发语言，正确示例： // 创建SparkContext时所需引入的类。 import org.apache.spark.api.java.JavaSparkContext // RDD操作时引入的类。 import

查看更多 →

Spark应用开发建议 RDD多次使用时，建议将RDD持久化 RDD在默认情况下的存储级别是StorageLevel.NONE，即既不存磁盘也不放在内存中，如果某个RDD需要多次使用，可以考虑将该RDD持久化，方法如下： 调用spark.RDD中的cache()、persist(

查看更多 →

2.2/。 图1 Spark架构 Spark开发接口简介 Spark支持使用Scala、Java和Python语言进行程序开发，由于Spark本身是由Scala语言开发出来的，且Scala语言具有简洁易懂的特性，推荐用户使用Scala语言进行Spark应用程序开发。 按不同的语言分，Spark的API接口如表1所示。

查看更多 →

定制开发应用 基于基线应用组件开发高级页面 基于基线应用页面开发新页面 基于基线应用对象开发新对象 基于基线应用脚本开发新脚本 基于基线应用服务编排开发新服务编排 父主题： 定制开发指导（基于智能排班基线应用）

查看更多 →

应用侧开发 使用API对接 使用SDK对接 父主题： 设备侧开发

查看更多 →

应用侧开发 调试API

查看更多 →

应用开发简介 目标读者 本文档提供给需要Storm二次开发的用户使用。本指南主要适用于具备Java开发经验的开发人员。 简介 Storm是一个分布式的、可靠的、容错的数据流处理系统。它会把工作任务委托给不同类型的组件，每个组件负责处理一项简单特定的任务。Storm的目标是提供对大

查看更多 →