Scheduler是负责Pod调度的组件，它由一系列action和plugin组成。action定义了调度各环节中需要执行的动作；plugin根据不同场景提供了action 中算法的具体实现细节。Volcano Scheduler具有高度的可扩展性，您可以根据需要实现自己的action和plugin。

查看更多 →

传输中的数据保护 数据传输到标签管理服务内部数据库的过程中使用加密协议。此部分用户不可配置。 调用标签管理服务接口时，标签管理服务支持HTTP和HTTPS两种传输协议，为保证数据传输的安全性，推荐您使用更加安全的HTTPS协议。 父主题： 数据保护技术

查看更多 →

如何删除机器人 包周期版本机器人 对于包周期计费的智能问答机器人，可执行“退订”操作。 登录对话机器人服务管理控制台。 在控制台中选择“费用与成本”。 进入费用中心页面，在左侧导航栏中选择“订单管理 > 退订与退换货”。 图1 退订与退换货 在“退订使用中的资源”列表中，选择需要退订的机器人，执行退订操作。

查看更多 →

重新学习服务器 如果已完成进程白名单扩展，但仍然存在较多可信进程运行误报或您的服务器业务存在变更，您可以设置HSS重新学习服务器，校准HSS的应用进程情报数据，避免误报。 重新学习服务器 登录管理控制台。 在页面左上角选择“区域”，单击，选择“安全与合规 > 企业主机安全”，进入主机安全平台界面。

查看更多 →

特征操作主要是对数据集进行特征处理。 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。

查看更多 →

退订使用中的资源 退订使用中的资源说明 非五天无理由退订 可五天无理由退订 不可退订 父主题： 云服务退订

查看更多 →

退订使用中的资源 退订使用中的资源说明 非五天无理由退订 可五天无理由退订 不可退订 父主题： 云服务退订

查看更多 →

传输中的数据保护 传输中数据保护指在数据传输（发往和离开消息通知服务时）期间保护数据。 向消息通知服务发送消息时，您可以使用Https协议请求消息通知服务接口进行传输加密。消息通知服务向外部系统发送消息时，也支持Https协议发送消息。 父主题： 数据保护技术

查看更多 →

查询发布中的变更 功能介绍 查询发布中的变更 调用方法 请参见如何调用API。 URI GET /v2/{cloudProjectId}/change-request/releasing/query 表1 路径参数 参数 是否必选 参数类型 描述 cloudProjectId 是

查看更多 →

脚本中预置的API AstroZero平台的脚本引擎采用TypeScript语言。脚本执行时，TypeScript语言会被翻译成JavaScript语言，由JavaScript引擎执行。 在JavaScript es5的官方标准库外，AstroZero还扩展了10+预置标准库（即

查看更多 →

本节介绍Fabric服务的主要应用场景。 数据工程 高效处理大规模数据，通过并行计算加速数据处理过程，例如数据清洗、转换和聚合。 分布式机器学习 Ray支持分布式训练和调优，可以用于处理大规模数据集和模型，使得模型训练更加高效。 大模型 使用大模型实现智能对话、自动摘要、机器翻译、文本分类、图像生成等任务。

查看更多 →

什么是OptVerse 天筹求解器服务(OptVerse)是一种基于华为云基础架构和平台的智能决策服务，以自研AI求解器为核心引擎，结合机器学习与深度学习技术，为企业提供生产计划与排程、切割优化、路径优化、库存优化等一系列有竞争力的行业解决方案。 使用要求 OptVerse以开放API（Application

查看更多 →

管理OBS中的数据 在KooCLI中，已经集成了以命令行方式管理OBS数据的工具obsutil的功能。您可以通过使用"hcloud obs"命令，快速管理您在OBS中的数据。 功能概述 您可以使用KooCLI进行如下操作，管理您OBS中的数据： 表1 KooCLI集成OBS功能 功能

查看更多 →

AI开发基本概念 机器学习常见的分类有3种： 监督学习：利用一组已知类别的样本调整分类器的参数，使其达到所要求性能的过程，也称为监督训练或有教师学习。常见的有回归和分类。 非监督学习：在未加标签的数据中，试图找到隐藏的结构。常见的有聚类。 强化学习：智能系统从环境到行为映射的学习，以使奖励信号（强化信号）函数值最大。

查看更多 →

定义XGBoost算法中决策树的数量，一个样本的预测值是多棵树预测值的加权和。取值范围为1~50的整数。 树深度 定义每棵决策树的深度，根节点为第一层。取值范围为1~10的整数。 切分点数量 定义每个特征切分点的数量，数量越多，准确率越高，计算时间越长。取值范围为5~10的整数。 分类阈值

查看更多 →

，而且需要很多的知识积累。 图1 模型训练环节 Kubeflow诞生于2017年，Kubeflow项目是基于容器和Kubernetes构建，旨在为数据科学家、机器学习工程师、系统运维人员提供面向机器学习业务的敏捷部署、开发、训练、发布和管理平台。它利用了云原生技术的优势，让用户更

查看更多 →

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。 2020-04-16 变更点如下： 模型训练服务首页项目列表“

查看更多 →

应用场景 Web应用开发 移动应用开发 后端开发 数据科学和机器学习 嵌入式系统开发

查看更多 →

图片/音频标注数据标注支持选择上传本地数据文件进行标注。上传后的文件存储于OBS中，标注后的文件存放在与原始文件同路径的文件夹。 父主题： 图片/音频标注

查看更多 →

指南》的“DB4AI: 数据库驱动AI > 原生DB4AI引擎”章节中“算子支持的超参”表的内容。 hp_value 超参数值。 取值范围：字符串，针对不同算法范围不同，取值范围详情请参考《特性指南》的“DB4AI: 数据库驱动AI > 原生DB4AI引擎”章节中“超参的默认值以及取值范围”表的内容。

查看更多 →

API、缓存），以及被哪些外部调用所依赖。业务逻辑的梳理、架构的治理和容量的规划（例如：某活动的准备过程中，需要为每个应用准备多少台机器）也变得更加困难。 业务实现 APM提供大型分布式应用异常诊断能力，当应用出现崩溃或请求失败时，通过应用拓扑+调用链下钻能力分钟级完成问题定位。 可视化拓扑：应用拓扑自发现，异常应用实例无处躲藏。

查看更多 →