具体操作请参见如何控制接口访问权限。 大屏数据处理应用模板服务集成示例： 如何使用资产 以在大屏Demo页面上进行配置为例。 订购并安装部署大屏数据处理应用模板资产到对应的开发环境。 相关操作请参见如何订购&部署资产。 在开发环境首页，如图1所示，单击“项目”页签，单击“业务大屏”。 图1 进入业务大屏 如图

查看更多 →

处理数据 在作业总览中平台支持创建数据标记，数据图标、数据回放、数据集等作业，数据包选择相对应的算子就可以触发相对应的作业。 数据回放类型的算子作业不需要选择输出仓库。 数据包类型必须是Rosbag类型。 当选择数据集算子时，数据类型可支持选择通用存储。 创建作业 在左侧菜单栏中，单击“数据处理

查看更多 →

处理数据 入门流程 示例：图片质量变换

查看更多 →

处理数据 处理模拟数据步骤如下。 用户进入DISDemo函数详情页，选择“dis-test”测试事件，单击“测试”，测试函数，如图1所示。 图1 配置测试事件 函数执行成功后，部分函数日志如图2所示，全部的日志信息，可以到“日志”页签查询。 图2 函数执行结果 父主题： 使用函数处理DIS数据

查看更多 →

Roundrobin缺点是无法像Hash表一样进行DN本地化优化，查询性能通常不如Hash表。 一般在大表无法找到合适的分布列时，定义为Roundrobin表，若大表能够找到合适的分布列，优先选择性能更好的Hash分布。 父主题： 分布式环境的数据布局

查看更多 →

数据处理 在数据服务首页左侧导航，选择“首页>我的数据集”。 在“我的数据集”页签单击新增的数据集。 单击“应用数据集 > 数据处理”。 进入“新增作业”界面，如图1所示。 参数说明如下所示： 作业名称：自定义输入。 开发环境：选择通用编辑器。 作业位置：存储作业脚本的数据湖OB

查看更多 →

数据处理 数据处理支持什么类型脚本？ 运行环境如何安装Python包？ 数据处理可以处理哪些数据源中的数据？ 用户注销后，是否会清理数据服务对应的个人数据以及资源，是否还会计费？ 父主题： 常见问题

查看更多 →

数据处理 Python API接口 管理新增作业 创建开发环境 父主题： 管理基础工具

查看更多 →

意义的数据。 ModelArts提供了四种基本的数据处理功能： 数据校验：帮助AI开发者提前识别数据中的不合法数据，如已损坏数据、不合格数据等，有效防止数据噪声造成的算法精度下降或者训练失败问题。 数据清洗：在数据校验的基础上，对数据进行一致性检查，处理一些无效值。 数据选择：在

查看更多 →

处理呼叫数据 如果您需要获取呼叫数据，需要在服务端处理集成地址表单提交，并增加处理逻辑返回到页面。由于服务端处理存在多样性，此处提供传递的主要呼叫参数说明，请参见表1。代码样例为JAVA+springboot+模板（thymeleaf）方式，请参见后续步骤。 表1 参数说明 参数名称

查看更多 →

数据处理 训练前需要对数据集进行预处理，转化为.bin和.idx格式文件，以满足训练要求。LoRA微调训练与增量预训练使用同一个数据集，即都是alpaca_data.json。 如果已经在增量预训练时处理过数据，可以直接使用，无需重复处理。如果未处理过数据，请参见数据处理章节先处理数据。

查看更多 →

数据处理 数据处理简介 创建数据处理任务 管理和查看数据处理任务 预置算子说明 父主题： 数据管理（旧版即将下线）

查看更多 →

数据处理 数据处理介绍 创建工作流 启动工作流

查看更多 →

数据处理 对于数据管理，有没有类似navicate这样的可视化工具

查看更多 →

数据处理 数据处理简介 数据批导 数据处理 回放仿真

查看更多 →

json 如果在准备数据章节已下载数据集，此处无需重复操作。 增量预训练和LoRA微调训练使用的是同一个数据集，数据处理一次即可，训练时可以共用。 数据预处理 使用数据预处理脚本preprocess_data.py脚本重新生成.bin和.idx格式的增量预训练数据。preprocess_data

查看更多 →

数据处理 数据集 数据探索 数据采样 数据清洗 数据合并 数据转换 特征选择 时序数据处理 自定义 发布算法工程服务 父主题： JupyterLab开发平台

查看更多 →

数据预处理 创建数据预处理作业 开发数据预处理作业 父主题： 管理数据

查看更多 →

数据处理 创建算子 批导数据 处理数据 父主题： 自动驾驶云服务全流程开发

查看更多 →

数据处理 作业总览 作业队列 算子管理 算子示例 父主题： 数据处理

查看更多 →

数据处理 卫星影像生产服务有哪些功能 KooMap服务提供哪些公共管理功能 实景三维生产服务支持哪些建模类型和任务类型

查看更多 →