理日志，帮助开发者进行问题的定界和定位。 图6 在线调试-真实设备结构 在烟感产品的开发空间，选择“在线调试”，并单击“新增测试设备”。 在弹出的“新增测试设备”窗口，选择“真实设备”，输入测试设备的参数，单击“确定”。 图7 在线调试-新增测试设备 注：如果使用DTLS传输层安全协议接入时，请妥善保存密钥。

查看更多 →

在线体验 在线体验KooCLI 在线体验功能特性

查看更多 →

在线服务 创建在线服务 获取推荐结果 查看在线服务详情 管理在线服务 父主题： 用户指南（旧版）

查看更多 →

在线服务 在线服务用来做线上推荐时的应用，每个服务之间是独立的。即根据不同的离线计算得到的候选集以及相关参数，提供不同的推荐服务。 表1 在线服务参数说明 参数名称 子参数 说明 召回池 “推荐候选集” “添加推荐候选集” 选择表名：添加离线、近线任务或者在线自定义检索召回策略生

查看更多 →

选择。 在“订购小站资源”页面，可选择“智能化推荐”或“自定义配置”。 智能化推荐： 根据业务需求，选择相应的业务场景后，再选择计算资源和存储资源大小。 图1 业务场景 业务场景可分为：传统业务上云、大数据与 数据治理 、智慧园区、GPU与AI加速，如图1所示。 当计算资源选配超出最

查看更多 →

为了降低应用侧的开发难度、提升应用侧开发效率，物联网平台向应用侧开放了丰富的API。本文档以在线调试（即 API Explorer ）为例，使用API Explorer可以无码化快速调用接口。API Explorer提供在线API检索及接口调试，您可以使用在线调试快速接入物联网平台。操作步骤

查看更多 →

VACUUM”章节）结合使用，控制是否开启在线DDL或在线VACUUM。 参数类型：布尔型 参数单位：无 取值范围： on：当开启该参数时，结合ONLINE/OFFLINE关键字，有以下三种情况： ALTER TABLE或VACUUM语句不使用ONLINE或OFFLINE关键字时，DDL或VACUUM以在线方式执行；此时，若ALTER

查看更多 →

，进入“对象”页面。 在左侧导航栏单击“数据处理>在线解压”，进入“在线解压”页面。 单击“复制”。 选择复制源，即在线解压策略所在的源桶。 从源桶复在线解压策略的操作为增量复制，不会删除当前桶已存在的在线解压策略，与已存在的在线解压策略冲突的策略不会复制。 源桶和目标桶的桶版本号都必须是3

查看更多 →

在线仿真 使用规范 在线仿真服务集成了一整套完整的仿真工具链，开箱即用。 在使用新的普通用户登录在线仿真时，需修改在线仿真系统配置： 关闭桌面锁屏。 调整屏幕分辨率（默认分辨率不高，可调至适合的分辨率）。 将默认的浏览器更改为Chrome或Firefox。 在线仿真根据用户名称生

查看更多 →

在模型详情页，选择“训练 > 微调大师”进入微调工作流页面。 选择训练任务类型 选择模型微调的训练任务类型。 当模型的“任务类型”是“文本问答”或“文本生成”时，“训练任务类型”默认和模型“任务类型”一致。“训练任务类型”支持修改，如果模型文件满足自定义模型规范（训练），则“训练任务类型”支持选择“自定义”。

查看更多 →

。 当训练作业的状态变更为“已完成”时，表示已运行结束。 您可以单击训练作业名称，进入详情页面，了解训练作业的“配置信息”、“日志”、“资源占用情况”和“评估结果”等信息。您也可以在配置的“训练输出位置”对应的OBS目录下获得训练生成的模型。 步骤4：创建AI应用 在训练作业详情

查看更多 →

获取训练作业支持的AI预置框架 功能介绍 获取训练作业支持的AI预置框架。 调试 您可以在API Explorer中调试该接口，支持自动认证鉴权。API Explorer可以自动生成SDK代码示例，并提供SDK代码示例调试功能。 URI GET /v2/{project_id}/

查看更多 →

训练 上传数据至OBS并预热到SFS Turbo中 创建训练任务 父主题： 实施步骤

查看更多 →

特征，供模型训练使用。 特征工程集成JupyterLab开发环境，提供数据探索工具，预置数据处理、模型训练等算子，支持代码可查看、可调试，是一站式的数据处理平台。 模型训练 集成VSCode开发工具，利用工具的便捷性，实现在线代码编写和调试。支持使用多种业界主流AI算法框架，如T

查看更多 →

训练 上传数据至OBS并预热到SFS Turbo中 创建训练任务 父主题： 实施步骤

查看更多 →

，阅读并勾选声明单击“创建”。 创建训练作业：访问ModelArts训练作业控制台，单击“创建训练作业”，进入创建训练作业页面。 图21 进入创建训练作业页面 创建训练作业：按下图所示，填写名称，选择对应预制框架。选择步骤2 上传文件的OBS桶，指定“training-jobs”为代码目录，“training_jobs

查看更多 →

创建Notebook实例 训练模型 准备算法 创建训练作业前需要先准备算法，可以订阅AI Gallery中的算法，也可以使用用户自己的算法。 准备算法 创建训练作业 创建一个训练作业，选择可用的数据集版本，并使用前面编写完成的训练脚本。训练完成后，将生成模型并存储至OBS中。 创建训练作业 管理模型

查看更多 →

通过JupyterLab在线使用Notebook实例进行AI开发 使用JupyterLab在线开发和调试代码 JupyterLab常用功能介绍 在JupyterLab使用Git克隆代码仓 在JupyterLab中创建定时任务 上传文件至JupyterLab 下载JupyterLab文件到本地

查看更多 →

解决方案将卸载失败。 手动卸载 删除在线服务：访问ModelArts 在线服务控制台，按下图所示，依次单击“更多”“删除”，在弹出的确认窗口中单击“确定”。 图1 删除在线服务 图2 确认删除在线服务 删除AI应用：访问ModelArts AI应用控制台，如下图所示，单击“删除”，在弹出的确认窗口中单击“确定”。

查看更多 →

，阅读并勾选声明单击“创建”。 创建训练作业：访问ModelArts训练作业控制台，单击“创建训练作业”，进入创建训练作业页面。 图21 进入创建训练作业页面 创建训练作业：按下图所示，填写名称，选择对应预制框架。选择步骤2 上传文件的OBS桶，指定“training-jobs”为代码目录，“training_jobs_xgboost

查看更多 →

ipynb文件，执行%load main.py命令将.py文件内容加载至.ipynb文件后进行编码、调试等。 图5 打开代码文件 在JupyterLab中直接调用ModelArts提供的SDK，创建训练作业，上云训练。 调用SDK创建训练作业的操作请参见调用SDK创建训练作业。 父主题： 通过

查看更多 →