.jpg)
.jpg)
.jpg)
.jpg)
-
SetData
![]()
功能说明 向Tensor中设置数据。 参数说明 参数名 输入/输出 类型 描述 data 输入 std::vector<uint8_t> && 或const std::vector<uint8_t> & 或const Buffer & 或const uint8_t * 需设置的数据。 size
来自：帮助中心 -
评估训练结果
![]()
由于最终JSON体中需要填写的是图片文件的真实路径，也就是OBS对应的路径，所以在复制到本地做完分析和评估操作后，需要将原来的本地数据集路径映射到OBS路径，然后将新的list送入analysis接口。 如果使用的是OBS路径作为输入的data_url，则只需要替换本地路径的字符串即可。
来自：帮助中心 -
te.lang.cce.vabs(raw_tensor)
![]()
对tensor中的每个元素做绝对值运算|x|，支持的类型：float16。int8，uint8，int32，float32类型会被转换为float16。该接口在elewise_compute.py中定义。raw_tensor：输入tensor，tvm.tensor类型。res_tensor：表示|raw_tensor|，tvm.tenso
来自：帮助中心 -
te.lang.cce.vnot(raw_tensor)
![]()
对tensor中的每个元素按位取反，支持的类型：int16，uint16。该接口在elewise_compute.py中定义。raw_tensor：输入tensor，tvm.tensor类型。res_tensor：表示raw_tensor按位取反，tvm.tensor类型。
来自：帮助中心 -
te.lang.cce.vlog(raw_tensor)
![]()
对raw_tensor中的每个元素做对数ln(x)运算，支持的类型：float16。int8，uint8，int32，float32类型会被转换为float16。该接口在elewise_compute.py中定义。raw_tensor：输入tensor，tvm.tensor类型。res_tensor：表示ln(raw_tensor)，tv
来自：帮助中心 -
te.lang.cce.vlog(raw_tensor)
![]()
对raw_tensor中的每个元素做对数ln(x)运算，支持的类型：float16。int8，uint8，int32，float32类型会被转换为float16。该接口在elewise_compute.py中定义。raw_tensor：输入tensor，tvm.tensor类型。res_tensor：表示ln(raw_tensor)，tv
来自：帮助中心 -
te.lang.cce.vnot(raw_tensor)
![]()
对tensor中的每个元素按位取反，支持的类型：int16，uint16。该接口在elewise_compute.py中定义。raw_tensor：输入tensor，tvm.tensor类型。res_tensor：表示raw_tensor按位取反，tvm.tensor类型。
来自：帮助中心 -
te.lang.cce.floor(raw_tensor)
![]()
对raw_tensor中的每个元素向下取整，支持的类型：float16。float32类型会被转换为float16。结果为int32。该接口在cast_compute.py中定义。raw_tensor：输入tensor，tvm.tensor类型res_tensor：表示floor(raw_tensor)，tvm.tensor类型
来自：帮助中心 -
查询超参搜索所有trial的结果
![]()
超参搜索所有trial结果的字段信息。 data Array<Array<String>> 超参搜索所有trial结果的每条数据列表。 请求示例 如以下查询training_job_id为5b60a667-1438-4eb5-9705-85b860e623dc的作业的所有trial的信息。 GET
来自：帮助中心 -
te.lang.cce.ceil(raw_tensor)
![]()
对raw_tensor中的每个元素向上取整，支持的类型：float16。float32类型会被转换为float16。结果为int32。该接口在cast_compute.py中定义。raw_tensor：输入tensor，tvm.tensor类型。res_tensor：表示ceil(raw_tensor)，tvm.tensor类型。
来自：帮助中心 -
te.lang.cce.vabs(raw_tensor)
![]()
对tensor中的每个元素做绝对值运算|x|，支持的类型：float16。int8，uint8，int32，float32类型会被转换为float16。该接口在elewise_compute.py中定义。raw_tensor：输入tensor，tvm.tensor类型。res_tensor：表示|raw_tensor|，tvm.tenso
来自：帮助中心 -
te.lang.cce.floor(raw_tensor)
![]()
对raw_tensor中的每个元素向下取整，支持的类型：float16。float32类型会被转换为float16。结果为int32。该接口在cast_compute.py中定义。raw_tensor：输入tensor，tvm.tensor类型res_tensor：表示floor(raw_tensor)，tvm.tensor类型
来自：帮助中心 -
TensorFlow图像分类模板
![]()
mages”的待处理图片，所以需确保您的模型能处理“key”为“images”的输入。使用该模板导入模型时请选择到包含模型文件的“model”目录。 模板输入 存储在OBS上的TensorFlow模型包，确保您使用的OBS目录与ModelArts在同一区域。模型包的要求请参见模型包示例。
来自：帮助中心 -
昇腾迁移融合算子API替换样例
![]()
npu_fusion_attention 上述torch_npu api的功能和参数描述见概述。 优化器替换 替换优化器一般都能有较大的性能受益，可以优先考虑将torch原生的优化器替换为昇腾提供的亲和优化器。下文以AdamW优化器为例，其他优化器的替换方式一致。 torch_npu.optim.NpuFusedAdamW
来自：帮助中心 -
训练中的权重转换说明
![]()
--model-type：模型类型。 --loader：选择对应加载模型脚本的名称。 --saver：选择模型保存脚本的名称。 --tensor-model-parallel-size：${TP}张量并行数，需要与训练脚本中的TP值配置一样。 --pipeline-model-paralle
来自：帮助中心 -
te.lang.cce.matmul(tensor_a, tensor_b, trans_a=False, trans_b=False, alpha_num=1.0, beta_num=0.0, tensor_c=None)
![]()
矩阵乘，计算：tensor_c=alpha_num * trans_a(tensor_a) * trans_b(tensor_b) + beta_num * tensor_c。tensor_a与tensor_b的shape后两维(经过对应转置)需要满足矩阵乘(M, K) * (K, N) = (M, N)，且batch数只支持1。tens
来自：帮助中心 -
REGISTER_TENSOR_CREATER
![]()
-
te.lang.cce.vexp(raw_tensor)
![]()
对tensor中的每个元素做自然指数运算e^x，支持的类型：float16。int8，uint8，int32，float32类型会被转换为float16。该接口在elewise_compute.py中定义。raw_tensor：输入tensor，tvm.tensor类型。res_tensor：表示e^(raw_tensor)，tvm.te
来自：帮助中心 -
REGISTER_TENSOR_CREATER
![]()
-
te.lang.cce.round(raw_tensor)
![]()
对raw_tensor中的每个元素四舍六入，0.5取偶数，例如`1.5->2.0，2.5->2.0`，支持的类型：float16。float32类型会被转换为float16。结果为int32。该接口在cast_compute.py中定义。raw_tensor：输入tensor，tvm.tensor类型res_tensor：表示round(
来自：帮助中心 -
te.lang.cce.round(raw_tensor)
![]()
对raw_tensor中的每个元素四舍六入，0.5取偶数，例如`1.5->2.0，2.5->2.0`，支持的类型：float16。float32类型会被转换为float16。结果为int32。该接口在cast_compute.py中定义。raw_tensor：输入tensor，tvm.tensor类型res_tensor：表示round(
来自：帮助中心
检测到您已登录华为云国际站账号，为了您更好的体验，建议您访问国际站服务网站 https://www.huaweicloud.com/intl/zh-cn
不再显示此消息
