创建一个队列，两个任务。任务1调用写队列接口发送消息，任务2通过读队列接口接收消息。通过LOS_TaskCreate创建任务1和任务2。通过LOS_QueueCreate创建一个消息队列。在任务1 send_Entry中发送消息。在任务2 recv_Entry中接收消息。通过LOS_QueueDelete删除队列。前提条件：在menu

查看更多 →

本实例实现如下功能：创建一个测试CPUP的任务。获取系统最近1s内所有任务或中断的CPUP。获取系统（除idel任务外）最近10s内的总CPU占用率。获取CPUP测试任务的CPUP。前提条件：通过make menuconfig配置好CPU占用率模块。代码实现如下：编译运行得到的结果为：sample_cpup.c

查看更多 →

基于野火挑战者开发板（Cloud_STM32F429IGTx_FIRE）开发应用定时读取MPU6050传感器的原始数据。MPU6050是一种六轴传感器模块，能同时检测三轴加速度、三轴陀螺仪（角加速度）、温度。本实例中提供的传感器驱动和应用代码仅对使用传感框架读取传感器做基本设计和实现，仅做参考。初始化陀螺仪标签类别的两个应用g_gyroI

查看更多 →

此编程规范在业界通用的编程规范基础上进行了整理，供开发者参考使用。清晰，易于维护、易于重构。简洁，易于理解，并且易于实现。风格统一，代码整体风格保持统一。通用性，遵循业界通用的编程规范。建议将工程按照功能模块划分子目录（可参考LiteOS的功能模块划分），子目录再定义头文件和源文件目录。使用驼峰风格进行命名，此风格大小写字母混用，不同单词

查看更多 →

GPU调度 GPU节点驱动版本 使用Kubernetes默认GPU调度 GPU虚拟化 监控GPU资源指标 基于GPU监控指标的工作负载弹性伸缩配置 GPU故障处理 父主题： 调度

查看更多 →

基于CodeArts IDE Online、TensorFlow和Jupyter Notebook开发深度学习模型 概要 准备工作 导入和预处理训练数据集 创建和训练模型 使用模型

查看更多 →

本实例介绍基本的任务操作方法，包含任务创建、任务延时、任务锁与解锁调度、挂起和恢复等操作，阐述任务优先级调度的机制以及各接口的应用。创建了2个任务:TaskHi和TaskLo。TaskHi为高优先级任务, 绑定在当前测试任务的CPU上。TaskLo为低优先级任务，不设置亲和性即不绑核。由于TaskLo未设置亲和性，LOS_TaskLock

查看更多 →

其他编程语言 APP认证工作原理 构造规范请求。 将待发送的请求内容按照与API网关后台约定的规则组装，确保客户端签名、API网关后台认证时使用的请求内容一致。 使用规范请求和其他信息创建待签字符串。 使用AK/SK和待签字符串计算签名。 将生成的签名信息作为请求消息头添加到HT

查看更多 →

部分深度学习模型参数 一键式模型部署和API发布，提供深度学习模型的快速部署功能，支持GPU资源分配、弹性扩容、模型迭代发布、应用监控和统计分析，轻松实现AI能力服务化。 图19 模型部署发布平台 平台基于模型训练结果，面向典型业务场景与应用需求，可提供遥感影像在线智能解译能力，包括遥感影像的单

查看更多 →

GPU驱动概述 GPU驱动概述 在使用GPU加速型实例前，请确保实例已安装GPU驱动以获得相应的GPU加速能力。 GPU加速型实例支持两种类型的驱动：GRID驱动和Tesla驱动。 当前已支持使用自动化脚本安装GPU驱动，建议优先使用自动安装方式，脚本获取以及安装指导请参考（推荐

查看更多 →

本实例演示如何使用动态注册命令方式新增一个名为test的Shell命令。定义一个新增命令所要调用的命令处理函数cmd_test。使用osCmdReg函数添加新增命令项。通过make menuconfig使能Shell。重新编译代码后运行。定义命令所要调用的命令处理函数cmd_test：#include "shell.h" #include

查看更多 →

卸载GPU加速型E CS 的GPU驱动 操作场景 当GPU加速型 云服务器 需手动卸载GPU驱动时，可参考本文档进行操作。 GPU驱动卸载命令与GPU驱动的安装方式和操作系统类型相关，例如： Windows操作系统卸载驱动 Linux操作系统卸载驱动 Windows操作系统卸载驱动 以Windows

查看更多 →

NVIDIA GPU驱动版本 CUDA Toolkit版本 460.106 CUDA 11.2.2 Update 2 及以下 418.126 CUDA 10.1 (10.1.105)及以下 GPU镜像 CUDA和cuDNN都是与GPU相关的技术，用于加速各种计算任务，特别是深度学习任务。在使用NVIDIA

查看更多 →

GPU故障处理 前提条件 如需将GPU事件同步上报至AOM，集群中需安装云原生日志采集插件，您可前往AOM服务查看GPU插件隔离事件。 GPU插件隔离事件 当GPU显卡出现异常时，系统会将出现问题的GPU设备进行隔离，详细事件如表1所示。 表1 GPU插件隔离事件 事件原因 详细信息

查看更多 →

GPU函数管理 Serverless GPU使用介绍 部署方式 函数模式

查看更多 →

迁移学习 如果当前数据集的特征数据不够理想，而此数据集的数据类别和一份理想的数据集部分重合或者相差不大的时候，可以使用特征迁移功能，将理想数据集的特征数据迁移到当前数据集中。 进行特征迁移前，请先完成如下操作： 将源数据集和目标数据集导入系统，详细操作请参见数据集。 创建迁移数据

查看更多 →

可见范围内的学员在学员端可看见此项目并可以进行学习，学习数据可在学习项目列表【数据】-【自学记录】查看。 学习设置： 防作弊设置项可以单个项目进行单独设置，不再根据平台统一设置进行控制。 文档学习按浏览时长计算，时长最大计为：每页浏览时长*文档页数；文档学习按浏览页数计算，不计入学习时长。 更多设置：添加协同人

查看更多 →

学习目标 掌握座席侧的前端页面开发设计。 父主题： 开发指南

查看更多 →

GPU计算型 GPU计算单元包含的计算资源主要适用于政企用户部署GPU密集型业务到CloudPond上使用的场景，对应华为云ECS的实例包含Pi系列，用户可根据机型规格情况选择对应的计算资源商品。具体规格请参考表1。 表1 GPU计算单元 名称 算力配置 描述 GPU计算单元-汇聚型-2Pi2

查看更多 →

GPU相关问题 日志提示"No CUDA-capable device is detected" 日志提示“RuntimeError: connect() timed out” 日志提示“cuda runtime error (10) : invalid device ordinal

查看更多 →

gputil import GPUtil as GPU GPU.showUtilization() import GPUtil as GPU GPUs = GPU.getGPUs() for gpu in GPUs: print("GPU RAM Free: {0:.0f}MB |

查看更多 →