cuda10.2 CPU/GPU 是 是 tensorflow2.1-cuda10.1-cudnn7-ubuntu18.04 CPU、GPU通用算法开发和训练基础镜像，预置AI引擎TensorFlow2.1 CPU/GPU 是 是 tensorflow1.13-cuda10.0-cudnn7-ubuntu18

查看更多 →

案例：改建分区表 现象描述 如下简单SQL语句查询， 性能瓶颈点在dwcjk的Scan上。 优化分析 从业务层确认表数据(在cjrq字段上)有明显的日期特征，符合分区表的特征。重新规划dwcjk表的表定义：字段cjrq为分区键、天为间隔单位定义分区表dwcjk_part。修改后结果如下，性能提升近1倍。

查看更多 →

staff_id; --创建索引 CREATE INDEX loc_id_pk ON places(place_id); CREATE INDEX state_c_id_pk ON states(state_id); --优化后查询 EXPLAIN SELECT staff_id

查看更多 →

案例：改建分区表 现象描述 如下简单SQL语句查询， 性能瓶颈点在normal_date的Scan上。 1 2 3 4 5 6 7 QUERY PLAN

查看更多 →

staff_id; --创建索引 CREATE INDEX loc_id_pk ON places(place_id); CREATE INDEX state_c_id_pk ON states(state_id); --优化后查询 EXPLAIN SELECT staff_id

查看更多 →

案例：改建分区表 现象描述 如下简单SQL语句查询， 性能瓶颈点在normal_date的Scan上。 1 2 3 4 5 6 7 QUERY PLAN

查看更多 →

秒。 1 EXPLAIN PERFORMANCE SELECT * FROM orders WHERE o_custkey = '1106459'; 优化后 where子句过滤条件的字段是o_custkey，在o_custkey字段上添加一个索引： 1 CREATE INDEX

查看更多 →

staff_id; --创建索引 CREATE INDEX loc_id_pk ON places(place_id); CREATE INDEX state_c_id_pk ON states(state_id); --优化后查询 EXPLAIN SELECT staff_id

查看更多 →

signature check failed. This could be because of a time skew. Attempting to adjust the signer 原因分析 OBS限制单次上传文件大小为5GB，TensorFlow保存summary可能是本地缓

查看更多 →

7-ubuntu_1804-x86_64 不同区域支持的AI引擎有差异，请以实际环境为准。 训练基础镜像详情（PyTorch） 介绍预置的PyTorch镜像详情。 引擎版本：pytorch_1.8.0-cuda_10.2-py_3.7-ubuntu_18.04-x86_64 引擎版本：pytorch_1.8.0-cuda_10

查看更多 →

Continuing. Found secret key 原因分析 这是TensorFlow-1.8中会出现的情况，该日志是Info级别的，并不是错误信息，可以通过设置环境变量来屏蔽INFO级别的日志信息。环境变量的设置一定要在import tensorflow或者import moxing之前。

查看更多 →

staff_id; --创建索引 CREATE INDEX loc_id_pk ON places(place_id); CREATE INDEX state_c_id_pk ON states(state_id); --优化后查询 EXPLAIN SELECT staff_id

查看更多 →

案例：改建分区表 逻辑上的一张表根据某种策略分成多个物理块进行存储，这张逻辑上的表称之为分区表，每个物理块则称为一个分区。一般对数据和查询都有明显区间段特征的表使用分区策略可通过较小不必要的数据扫描，从而提升查询性能 在查询时，可通过分区剪枝技术尽可能减少底层数据扫描，即缩小表的

查看更多 →

案例：调整GUC参数best_agg_plan 现象描述 agg_t1的表定义为： 1 create table agg_t1(a int, b int, c int) distribute by hash(a); 假设agg下层算子所输出结果集的分布列为setA，agg操作的group

查看更多 →

staff_id; --创建索引 CREATE INDEX loc_id_pk ON places(place_id); CREATE INDEX state_c_id_pk ON states(state_id); --优化后查询 EXPLAIN SELECT staff_id

查看更多 →

秒。 1 EXPLAIN PERFORMANCE SELECT * FROM orders WHERE o_custkey = '1106459'; 优化后 where子句过滤条件的字段是o_custkey，在o_custkey字段上添加一个索引： 1 CREATE INDEX

查看更多 →

重新安装客户端。 Windows安装客户端失败，日志提示“OpenSCManager failed.” 问题现象： Windows安装客户端失败，日志提示“OpenSCManager failed.”。 可能原因： 安装时未使用管理员权限运行安装脚本。 解决方案： 使用管理员权限重新运行安装脚本，重新安装。

查看更多 →

客户声音制作案例 单击声音样例.zip，下载如表1所示的音频文件。 mos分是从音色相似度、情感表达效果和声音音质方面，进行整体效果综合评分的结果。 表1 音频文件 版本 类别 原音文件 合成音文件 版本差异 适用场景 基础版声音制作 女声 基础版媒体1.wav 基础版媒体2.wav

查看更多 →

source /home/ma-user/anaconda3/bin/activate TensorFlow-1.8 如果使用其他引擎，请将命令中“TensorFlow-1.8”替换为其他引擎的名称及其版本号。 图1 激活环境 在代码输入栏输入以下命令安装Shapely。 pip

查看更多 →

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“.om”模型。“.om”

查看更多 →

序包等多种环境，包括TensorFlow、MindSpore、PyTorch、Spark等。您也可以使用pip install在Notobook或Terminal中安装外部库。 在Notebook中安装 例如，通过JupyterLab在“TensorFlow-1.8”的环境中安装Shapely。

查看更多 →