模型上传与加载 将您自定义的模型上传到对应的路径下，如CheckPoint模型、VAE模型和Lora模型。 图1 CheckPoint模型 图2 VAE模型 图3 Lora模型 上传完成后回到Stable-Diffusion WebUI界面重新加载模型后即可看到新增模型，加载需要较长时间请耐心等待。

查看更多 →

加载了用户自定义算子插件的模型转换流程如图1所示OMG（Offline Model Generate）加载模型文件、自定义算子插件，对模型文件中的算子进行解析，并将自定义算子转换为IR（Intermediate representation）表示。OMG根据运行环境对自定义算子进行数据转换、运行内存计算，同时编译生成自定义算子的二进制文件

查看更多 →

加载了用户自定义算子插件的模型转换流程如图1所示OMG（Offline Model Generate）加载模型文件、自定义算子插件，对模型文件中的算子进行解析，并将自定义算子转换为IR（Intermediate representation）表示。OMG根据运行环境对自定义算子进行数据转换、运行内存计算，同时编译生成自定义算子的二进制文件

查看更多 →

机器学习端到端场景 本章节以图像分类为例，阐述机器学习端到端场景的完整开发过程，主要包括数据标注、模型训练、服务部署等过程。您可以前往AI Gallery搜索订阅预置的“图像分类-ResNet_v1_50工作流”进行体验。 准备工作 准备一个图像分类算法（或者可以直接从AI Ga

查看更多 →

深度学习模型预测 深度学习已经广泛应用于图像分类、图像识别和语音识别等不同领域，DLI服务中提供了若干函数实现加载深度学习模型并进行预测的能力。 目前可支持的模型包括DeepLearning4j 模型和Keras模型。由于Keras它能够以 TensorFlow、CNTK或者 Theano

查看更多 →

深度学习模型预测 深度学习已经广泛应用于图像分类、图像识别和语音识别等不同领域，DLI服务中提供了若干函数实现加载深度学习模型并进行预测的能力。 目前可支持的模型包括DeepLearning4j 模型和Keras模型。由于Keras它能够以 TensorFlow、CNTK或者 Theano

查看更多 →

使用MLS预置算链进行机器学习建模 本章节介绍如何通过一键运行预置的餐厅经营销售量预测算链，完成建模，帮助开发者快速了解MLS的建模过程。 前提条件 已经创建一个基于MLStudio的Notebook镜像，并进入MLS Editor可视化编辑界面，具体参考进入ML Studio操作界面章节。

查看更多 →

文件管理是可信智能计算服务提供的一项管理联邦学习模型文件的功能。参与方无需登录后台手动导入模型文件，通过该功能即可将模型文件上传到数据目录，并支持批量删除。在创建联邦学习作业时可以选到上传的脚本模型等文件，提高了易用性及可维护性。 使用场景：管理联邦学习作业所需的脚本、模型、权重文件。 父主题： 可信联邦学习作业

查看更多 →

不同方式的模型训练。 离线学习 离线学习是训练中最基本的方式。离线学习需要一次性提供训练所需的所有数据，在训练完成后，目标函数的优化就停止了。使用离线学习的优势是模型稳定性高，便于做模型的验证与评估。 增量学习 增量学习是一个连续不断的学习过程。相较于离线学习，增量学习不需要一次

查看更多 →

旗舰版机器人默认支持重量级深度学习。 专业版和高级版机器人如果需要使用重量级深度学习，需要先单击“重量级深度学习”，然后单击“联系我们”。 图2 重量级深度学习 编辑模型信息。 轻量级深度学习：选填“模型描述”。 图3 轻量级深度学习 重量级深度学习：选择量级“中量级”或“重量级”，选填“模型描述”。

查看更多 →

加载评论 功能介绍 根据数据集ID查询匹配的数据集评论。 URI URI格式 GET /softcomai/datalake/v1.0/datasets/comment 参数说明 无。 请求 请求样例 GET https://ipaddr:port/dataset/softcomai/datalake/v1

查看更多 →

数据加载 什么是数据加载？ 数据加载与之前数据安全平台中的数据迁移是什么关系？ 数据加载支持哪些数据源？ 父主题： 常见问题

查看更多 →

数据加载 创建加载任务 启动加载任务 父主题： 管理基础工具

查看更多 →

加载驱动 在创建数据库连接之前，需要先加载数据库驱动程序。 加载驱动有两种方法： 在代码中创建连接之前任意位置隐含装载：Class.forName("org.postgresql.Driver"); 在JVM启动时参数传递：java -Djdbc.drivers=org.postgresql

查看更多 →

加载驱动 在使用驱动之前，需要做如下操作： 先解压版本对应驱动包，使用root用户将psycopg2拷贝到python安装目录下的site-packages文件夹下。 修改psycopg2目录权限为755。 将psycopg2目录添加到环境变量$PYTHONPATH，并使之生效。

查看更多 →

加载驱动 在创建数据库连接之前，需要先加载数据库驱动程序。 加载驱动有两种方法： 在代码中创建连接之前任意位置隐含装载：Class.forName("org.postgresql.Driver"); 在JVM启动时参数传递：java -Djdbc.drivers=org.postgresql

查看更多 →

加载驱动 在创建数据库连接之前，需要先加载数据库驱动程序。 加载驱动有两种方法： 在代码中创建连接之前任意位置隐含装载：Class.forName("com.huawei.gaussdb.jdbc.Driver");。 在JVM启动时参数传递：java -Djdbc.drivers=com

查看更多 →

特征的多行样本进行联邦机器学习，联合建模。 模型评估 评估训练得出的模型权重在某一数据集上的预测输出效果。 纵向联邦机器学习 纵向联邦机器学习，适用于参与者训练样本ID重叠较多，而数据特征重叠较少的情况，联合多个参与者的共同样本的不同数据特征进行联邦机器学习，联合建模。 已发布区域：北京四、北京二

查看更多 →

GS_OPT_MODEL是启用AiEngine执行计划时间预测功能时的数据表，记录机器学习模型的配置、训练结果、功能、对应系统函数、训练历史等相关信息。 表1 GS_OPT_MODEL字段 名称 类型 描述 template_name name 机器学习模型的模板名，决定训练和预测调用的函数接口，目前只实现了rlstm，方便后续扩展。

查看更多 →

GS_OPT_MODEL是启用AiEngine执行计划时间预测功能时的数据表，记录机器学习模型的配置、训练结果、功能、对应系统函数、训练历史等相关信息。 表1 GS_OPT_MODEL字段 名称 类型 描述 template_name name 机器学习模型的模板名，决定训练和预测调用的函数接口，目前只实现了rlstm，方便后续扩展。

查看更多 →

评测镜像 Octopus平台各服务均提供用户自定义镜像功能，此模块对镜像提供了统一管理。 仿真镜像 仿真场景 仿真场景模块支持对单个仿真场景的增删改查操作。用户可根据场景类型，依据平台提示，上传符合要求的场景文件。场景创建完毕后，用户可选择在线仿真机器加载场景，通过仿真器内置算法检验场景质量。

查看更多 →