便快捷、低成本高安全的实训云在线学习平台，实现课堂教学集中化、实训智能化、维护简单化，将教育带入云的时代，带来最佳的教学体验，引发学生的自主学习，应用全新的教学理念，构建全新的教学模式，助力教学未来改革新模式，专注于培养ICT人才。 实训云平台整合培训认证服务、课程资源、实验环境

查看更多 →

模型评测 在机器学习中，通常需要使用一定的方法和标准，来评测一个模型的预测精确度。自动驾驶领域通常涉及目标检测、语义分割、车道线检测等类别，如识别车辆、行人、可行区域等对象。 评测脚本 评测任务 任务队列 评测对比 模型数据集支持 父主题： 训练服务

查看更多 →

参考创建我的模型，用待更新的模型权重文件新建一个我的模型。关键参数请参见表1。 表1 创建模型的关键参数说明 参数 说明 来源模型 选择和待升级的模型服务的“部署模型”同一个模型框架。 权重设置与词表 选择“自定义权重”。 选择自定义权重路径 选择存放待更新的模型权重文件的OBS路径，必须选择到模型文件夹。

查看更多 →

取值范围：字符型，需要符合数据属性名的命名规范。 attribute_name 在监督学习任务中训练模型的目标列名(可进行简单的表达式处理)。 取值范围：字符型，需要符合数据属性名的命名规范。 subquery 数据源。 取值范围：字符串，符合数据库SQL语法。 示例 CREATE TABLE houses

查看更多 →

AI原生应用引擎 我创建的微调数据集会被其他用户调用去训练他们的大模型吗？ 模型微调任务一直在等待中是什么原因？ 大模型微调需要的数据有要求吗？ AI原生应用引擎支持所有数据集进行数据标注吗？ AI原生应用引擎中预置了哪些提示语？ AI原生应用引擎训练好后的模型如何获取？

查看更多 →

变换、优化模型训练、特征迁移增加迁移评估等，对应刷新JupyterLab开发平台。 模型训练新增创建联邦学习工程及其服务，对应新增创建联邦学习工程。 模型包支持对Jupyterlab环境归档的模型创建模型包、支持对特定模型包新建联邦学习实例、支持对已发布推理服务的模型包更新发布推理服务，对应刷新模型管理。

查看更多 →

表3 参数 参数名称 可选/必选/条件必选 参数类型 位置 参数说明 macAddr 必选 String 无 待删除的AP的MAC地址 请求消息 Header: Cookie: SessionID=xxx Content-Type: application/json; charset=UTF-8

查看更多 →

通过servicelayer登录接口创建连接，连接servicelayer系统； diapi连接器使用查询接口中已经创建好的连接器； 在 集成工作台 创建一个手动触发流，作为保存子流； 在集成工作台创建api流，接受来自条码应用保存数据的请求； 根据请求中的数据判断是否倒扣料； 如果倒扣料，使用d

查看更多 →

创建保存流 集成工作台需要接受条码应用发送的请求，首个节点需要选择"当收到HTTP"请求时，认证方式选择"APP认证"。 可以根据接口格式定义请求的请求参数 添加条件判断节点，判断是否"反冲发料" 拼接反冲发料的sql 选择diapi连接器中的执行sql执行动作，传入拼接的sql，执行sql，查询发料行

查看更多 →

保存任务配置 功能介绍 保存任务配置 URI POST /v1/projects/{service_id}/task/settings 表1 路径参数 参数 是否必选 参数类型 描述 service_id 是 String 服务id 请求参数 表2 请求Header参数 参数 是否必选

查看更多 →

像创建Notebook的页面。 镜像保存时，哪些目录的数据可以被保存 可以保存的目录：包括容器构建时静态添加到镜像中的文件和目录，可以保存在镜像环境里。 例如：安装的依赖包、“/home/ma-user”目录 不会被保存的目录：容器启动时动态连接到宿主机的挂载目录或数据卷，这些内容不会被保存在镜像中。可以通过df

查看更多 →

系统默认每15分钟自动保存一次，如果用户打开的服务编排等没有修改，则不会再自动保存一次而占用15次限额。 图1 查看自动保存的数据 单击“恢复”，提示“恢复操作将会另存一个新的标准页面/新版本，确认执行？”，单击“确定”，可将自动保存的数据另存为新页面或新版本。 图2 将自动保存的数据另存为新页面或新版本 父主题：

查看更多 →

名称 是否必选 参数类型 说明 sql 是 String 新增的SQL模板。 sql_name 是 String 新增SQL模板名称，该名称在当前工程下必须唯一。 description 否 String 新增SQL模板的描述信息，可以为空字符串。 group 否 String SQL模板分组名称。

查看更多 →

tyInspection 接口功能 智能实训接口，在Lodas上部署并训练实训模型后，通过智能IVR中的业务接口调用，将用户语音文本信息发送给LODAS，获取智能引擎将评分结果。借助智能化能力，建设一体化系统，实现客户机器人仿真来电实训、答复准确率自动评估、操作准确性自动评估等能

查看更多 →

自动学习模型训练图片异常？ 使用自动学习的图像分类或物体检测算法时，标注完成的数据在进行模型训练后，训练结果为图片异常。针对不同的异常情况说明及解决方案参见表1。 表1 自动学习训练中图片异常情况说明（图像分类和物体检测） 序号 图片异常显示字段 图片异常说明 解决方案字段 解决方案说明

查看更多 →

配置作业的执行脚本，训练模型文件。 执行脚本是每个参与方的计算节点在本地会执行的模型训练、评估程序，用于基于本地的数据集训练子模型。 训练模型文件则定义了模型的结构，会用于每个参与方在本地初始化模型。 图2 配置执行脚本、训练模型文件 配置已方、对方数据集。在作业的数据集配置中，选择己方、对方的本地

查看更多 →

自动学习生成的模型，存储在哪里？支持哪些其他操作？ 模型统一管理 针对自动学习项目，当模型训练完成后，其生成的模型，将自动进入“AI应用管理 > AI应用”页面，如下图所示。模型名称由系统自动命名，前缀与自动学习项目的名称一致，方便辨识。 自动学习生成的模型，不支持下载使用。 图1

查看更多 →

在旧版体验式开发模式下，模型训练服务支持的特征操作有重命名、归一化、数值化、标准化、特征离散化、One-hot编码、数据变换、删除列、选择特征、卡方检验、信息熵、新增特征、PCA。对应JupyterLab交互式开发模式，是界面右上角的图标中的“数据处理”菜单下面的数据处理算子。 模型包 将模型

查看更多 →

8、16、32、64 较高的取值意味着更多的参数被更新，模型具有更大的灵活性，但需要更多的计算资源和内存。较低的取值则意味着更少的参数更新，资源消耗更少，但模型的表达能力可能受到限制。 训练轮数 4 1~50 完成全部训练数据集训练的次数。 学习率 0.0001 0~1 学习率用于控制每个训

查看更多 →

完成第一个节点切换后，把当前流中所有连接节点的连接全部切换到新账套 注：切换最后一个节点的连接时，可能会出现选不着的情况（已知bug，修复中） 此时，先点击下一步， 点击更新， 编辑刚才那条切换连接的子流， 选择刚才未在配置管理界面切换连接成功的节点，将连接修改为新账套的连接 保存流 复制保存总流 切换保存总流连接

查看更多 →

should_override 否 Boolean 是否重写。 响应参数 状态码： 200 表4 响应Body参数 参数 参数类型 描述 flag String 保存监控项返回状态。 请求示例 修改监控项ID为4的监控项信息及内容。 /v1/apm2/openapi/apm-service

查看更多 →