e_service.py, 只允许放置一个，customize_service.py依赖的文件可以直接放model目录下 Custom模型包结构，与您 自定义镜像 中AI引擎有关。例如自定义镜像中的AI引擎为TensorFlow，则模型包采用TensorFlow模型包结构。 父主题：

查看更多 →

在左侧导航双击打开上传的代码文件，在JupyterLab中编写代码文件，并运行调试。有关JupyterLab的使用具体参见JupyterLab常用功能介绍。 如果您的代码文件是.py格式，请新打开一个.ipynb文件，执行%load main.py命令将.py文件内容加载至.ipynb文件后进行编码、调试等。

查看更多 →

数据目录：数据文件存放目录。 ：新建文件夹。 ：刷新左侧目录树。 ：删除选中的目录或文件。 （可选）单击左侧目录中的“main.py”、"py_main.py"、"sdk_main.py"文件，界面右侧展示文件内容。 查看已有样例代码内容。 单击，自行上传编译好的Scala或者JAVA代码ja

查看更多 →

模板的名称。 模板描述 模板的描述信息。 模板主题 模板的主题。支持按照首字母进行顺序排列或倒叙排列。 运行环境 AI算法运行的环境。支持按照首字母进行顺序排列或倒叙排列。 AI引擎 AI算法框架。 数据说明 数据说明信息。 文档 跟模板相关的文档名称，单击文档名称支持跳转至文档内容界面。

查看更多 →

为空。 model_type 是 String 模型类型，取值为：TensorFlow/MXNet/Spark_MLlib/Scikit_Learn/XGBoost/MindSpore/Image/PyTorch。 model_algorithm 否 String 模型算法，表示

查看更多 →

"cpu_image_url": "aip/pytorch_1_8:train", "gpu_image_url": "aip/pytorch_1_8:train", "image_version": "pytorch_1.8.0-cuda_10

查看更多 →

可单击验证任务右侧的图标，查看系统日志、运行结果日志和运行图。 模型验证结束后，单击验证任务右侧的图标，查看模型验证报告，如图4所示。 图4 模型验证报告 如图4所示，用例执行结果为PASS，表示模型包验证结果达到预期。“acc指标”列的取值“0.98/0.9”分别为实际运行结果和验证服务配置的阈值。

查看更多 →

import module_file来导包，代码结构如下： project_dir |- main.py |- module_dir | |- __init__.py | |- module_file.py 检查训练作业使用的资源规格是否正确 训练作业报错No module named npu_bridge

查看更多 →

使用TensorFlow进行线性回归 首先在FunctionGraph页面将tensorflow添加为公共依赖 图1 tensorflow添加为公共依赖 在代码中导入tensorflow并使用 import json import random # 导入 TensorFlow 依赖库

查看更多 →

} } }] apis定义提供AI应用对外Restfull api数据定义，用于定义AI应用的输入、输出格式。 创建AI应用填写apis。在创建的AI应用部署服务成功后，进行预测时，会自动识别预测类型。 创建AI应用时不填写apis。在创建的AI应用部署服务成功后，进行预测，需

查看更多 →

"template": { "spec": { "containers": [ {

查看更多 →

} } }] apis定义提供AI应用对外Restfull api数据定义，用于定义AI应用的输入、输出格式。 创建AI应用填写apis。在创建的AI应用部署服务成功后，进行预测时，会自动识别预测类型。 创建AI应用时不填写apis。在创建的AI应用部署服务成功后，进行预测，需

查看更多 →

"template": { "spec": { "containers": [ {

查看更多 →

“启动命令” 必填，镜像的启动命令。 运行训练作业时，当“代码目录”下载完成后，“启动命令”会被自动执行。 如果训练启动脚本用的是py文件，例如“train.py”，则启动命令如下所示。 python ${MA_JOB_DIR}/demo-code/train.py 如果训练启动脚本用的是sh文件，例如“main

查看更多 →

码文件“preprocess.py”和“train.py”。 将预置模型训练工程“hardisk_detect”中同名文件“preprocess.py”和“train.py”的代码，分别拷贝至新建文件“preprocess.py”和“train.py”中，并按“Ctrl+S”保存。

查看更多 →

率，在数据量不是很大的情况下，Fine Tune会是一个比较好的选择。 moxing.tensorflow包含所有的接口，对TensorFlow做了优化，里面的实际接口还是TensorFlow的原生接口。 当非MoXing代码中没有Adam名称范围时，需要修改非MoXing代码，在其中增加如下内容：

查看更多 →

为空。 model_type 是 String 模型类型，取值为：TensorFlow/MXNet/Spark_MLlib/Scikit_Learn/XGBoost/MindSpore/Image/PyTorch。 model_algorithm 否 String 模型算法，表示

查看更多 →

"template": { "spec": { "containers": [ {

查看更多 →

重写模型父类的初始化方法init可能导致AI应用“运行异常”。 可以使用的属性为模型所在的本地路径，属性名为“self.model_path”。另外pyspark模型在“customize_service.py”中可以使用“self.spark”获取SparkSession对象。 推理代码

查看更多 →

Kit的AI芯片支持运行“.om”模型，“.om”模型可以通过TensorFlow或Caffe模型转换而来，但“.om”模型并不支持TensorFlow和Caffe全部的算子，所以在开发模型的时候开发者需要用“.om”模型支持的算子，才能把TensorFlow和Caffe模型转换成“

查看更多 →

Kit的AI芯片支持运行“.om”模型，“.om”模型可以通过TensorFlow或Caffe模型转换而来，但“.om”模型并不支持TensorFlow和Caffe全部的算子，所以在开发模型的时候开发者需要用“.om”模型支持的算子，才能把TensorFlow和Caffe模型转换成“

查看更多 →