准备代码 软件配套版本 本方案支持的软件配套版本和依赖包获取地址如表1所示。 表1 软件配套版本和获取地址 软件名称 说明 下载地址 AscendCloud-6.3.910-xxx.zip 说明： 软件包名称中的xxx表示时间戳。 包含了本教程中使用到的推理部署代码和推理评测代码、

查看更多 →

|──llm_inference # 推理代码包 |──llm_tools # 推理工具 修改代码 将AscendSpeed代码包AscendCloud-LLM-xxx.zip在本地解压缩后。在上传代码前，需要对解压

查看更多 →

包含了本教程中使用到的模型训练代码。代码包具体说明请参见模型软件包结构说明。 获取路径：Support-E 请联系您所在企业的华为方技术支持下载获取。 模型软件包结构说明 AscendCloud-6.3.906代码包中AscendCloud-LLM代码包结构介绍如下，训练脚本以分类的方式集中在scripts文件夹中：

查看更多 →

志目录 上传代码和权重文件到工作环境 使用root用户以SSH的方式登录DevServer。 将AscendCloud代码包AscendCloud-xxx-xxx.zip上传到${workdir}目录下并解压缩，如：/home/ma-user/ws目录下，以下都以/h

查看更多 →

志目录 上传代码和权重文件到工作环境 使用root用户以SSH的方式登录DevServer。 将AscendCloud代码包AscendCloud-xxx-xxx.zip上传到${workdir}目录下并解压缩，如：/home/ma-user/ws目录下，以下都以/h

查看更多 →

#微调数据文件 上传代码和权重文件到工作环境 使用root用户以SSH的方式登录Server。 将AscendCloud代码包AscendCloud-xxx-xxx.zip上传到${workdir}目录下并解压缩，如：/home/ma-user/ws目录下，以下都以/ho

查看更多 →

|──llm_inference # 推理代码包 |──llm_tools # 推理工具 代码上传至SFS Turbo 将AscendSpeed代码包AscendCloud-LLM-xxx.zip直接上传至E CS 服务器中的SFS

查看更多 →

获取：节点总数量:server_count 节点的RANK:server_index 单节点的NPU数量:device_count server_count = data["server_count"] server_list = data["server_list"]

查看更多 →

志目录 上传代码和权重文件到工作环境 使用root用户以SSH的方式登录DevServer。 将AscendCloud代码包AscendCloud-xxx-xxx.zip上传到${workdir}目录下并解压缩，如：/home/ma-user/ws目录下，以下都以/h

查看更多 →

获取：节点总数量:server_count 节点的RANK:server_index 单节点的NPU数量:device_count server_count = data["server_count"] server_list = data["server_list"]

查看更多 →

|──llm_inference # 推理代码包 |──llm_tools # 推理工具 代码上传至SFS Turbo 将AscendSpeed代码包AscendCloud-LLM-xxx.zip直接上传至ECS服务器中的SFS

查看更多 →

准备代码 本教程中用到的训练推理代码和如下表所示，请提前准备好。 获取模型软件包和权重文件 本方案支持的模型对应的软件和依赖包获取地址如表1所示，模型列表、对应的开源权重获取地址如表1所示。 表1 模型对应的软件包和依赖包获取地址 代码包名称 代码说明 下载地址 AscendCloud-6

查看更多 →

代码解读 FunctionGraph函数初始化入口 Redis连接池 Redis重试机制 Redis健康检查 父主题： 示例代码

查看更多 →

代码示例 开启AR会话功能的代码样例，具体见WebARSDK包中hwar目录下的demo.html。 WebARSDK包的目录请参考图1。 父主题： WebARSDK使用手册

查看更多 →

代码模型 代码模型定义代码结构以及代码元素逻辑模型中逻辑元素的对应关系，建立逻辑元素到代码仓或者代码目录的映射关系，以实现软件源代码的显示管理。元素介绍如下表所示： 表1 代码模型元素介绍 元素名 图标 含义 Repo Grp 代码仓组是代码模型分组辅助元素，不对应具体的代码仓，仅表示一个集合。

查看更多 →

已发布区域：北京四、北京二 如何创建多方安全计算作业？ 可信联邦学习作业 可信联邦学习作业是 可信智能计算服务 提供的在保障用户数据安全的前提下，利用多方数据实现的联合建模，曾经也被称为联邦机器学习。 横向联邦机器学习 横向联邦机器学习，适用于参与者的数据特征重叠较多，而样本ID重叠较少的情

查看更多 →

ModelArts不仅支持自动学习功能，还预置了多种已训练好的模型，同时集成了Jupyter Notebook，提供在线的代码开发环境。 业务开发者 使用自动学习构建模型 AI初学者 使用自定义算法构建模型 免费体验 ModelArts 免费体验CodeLab 自动学习 口罩检测（使用新版自动学习实现物体检测）

查看更多 →

故障代码 【功能说明】 用于维护资产设备的故障信息 【操作说明】 新增：单击“新增”按钮 -> 输入故障代码信息 -> 单击“保存”按钮； 图1 输入故障代码信息 修改：选择故障代码 -> 单击“修改”按钮 -> 修改故障代码信息 -> 单击“保存”按钮； 图2 修改故障代码信息

查看更多 →

代码调试 CodeArts IDE Online 支持C/C++工程调试，调试之前需满足以下条件： 编译时，已在“.theia/tasks.json”中需要加上调试参数“-g”，如：“g++ -g -o hello helloworld.cpp”，默认已经添加，如没有，需要手动添加。

查看更多 →

代码解析 Demo代码如下，具体实现的是模拟电机设备上报数据，SDK获取上报数据做进一步分析处理。如果遇到状态为error，则调用事先在产品模型定义好的设备命令。对于未指定MOTOR_PRODUCT_ID的产品上报的数据将继续上报给云端。 #include "edge.h" #include

查看更多 →

代码解析 项目结构如下 ApiController：提供被北向应用NA调用的接口。 Application：主启动类 AuthFilter：鉴权过滤器。 ConfigController：被云端调用进行配置处理。 ConfigService：配置管理服务 。 ItIntegrat

查看更多 →