在新建的Notobook中，在代码输入栏输入如下命令。 !pip install xxx 在Terminal中安装 在Terminal里激活需要的anaconda python环境后再进行安装。 例如，通过terminal在“TensorFlow-1.8”的环境中使用pip安装Shapely。

查看更多 →

当前Notebook默认内置的引擎环境不能满足用户诉求，用户可以新建一个conda env按需搭建自己的环境。本小节以搭建一个“python3.6.5和tensorflow1.2.0”的IPython Kernel为例进行展示。 操作步骤 创建conda env。 在Notebook的Termin

查看更多 →

在代码输入栏输入以下命令，获取当前环境的kernel，并激活需要安装依赖的python环境。 cat /home/ma-user/README source /home/ma-user/anaconda3/bin/activate TensorFlow-1.8 如果需要在其他python环境里安装，请将命令中“TensorFlow-1

查看更多 →

Jupyter可以安装插件吗？ Jupyter可以安装插件。 目前jupyter插件多数采用wheel包的形式发布，一次性完成前后端插件的安装，安装时注意使用jupyter服务依赖的环境“/modelarts/authoring/notebook-conda/bin/pip”进行安装，不要使

查看更多 →

击页面右上角的“登录指令”，在弹出的页面中单击复制登录指令。 图4 获取登录指令 此处生成的登录指令有效期为24小时，如果需要长期有效的登录指令，请参见获取长期有效登录指令。获取了长期有效的登录指令后，在有效期内的临时登录指令仍然可以使用。 登录指令末尾的 域名 为镜像仓库地址，请记录该地址，后面会使用到。

查看更多 →

version 原因分析 出现该问题的可能原因如下： conda和pip包混装，有一些包卸载不掉。 处理方法 参考如下代码，三步走。 先卸载numpy中可以卸载的组件。 删除你环境中site-packages路径下的numpy文件夹。 重新进行安装需要的版本。 import os os

查看更多 →

如果先前基于预置框架且通过指定代码目录和启动文件的方式来创建的训练作业；但是随着业务逻辑的逐渐复杂，您期望可以基于预置框架修改或增加一些软件依赖的时候，可以使用预置框架构建 自定义镜像 ，即在创建训练作业页面选择预置框架名称后，在预置框架版本下拉列表中选择“自定义”。 该方式的训练流程与直接基于预置框架创建的训练作业相同，例如：

查看更多 →

将Notebook的Conda环境迁移到SFS磁盘 本文介绍了如何将Notebook的Conda环境迁移到SFS磁盘上。这样重启Notebook实例后，Conda环境不会丢失。 步骤如下: 创建新的虚拟环境并保存到SFS目录 克隆原有的虚拟环境到SFS盘 重新启动镜像激活SFS盘中的虚拟环境

查看更多 →

如何自定义安装python第三方库？ 如何在模型训练服务中安装算法依赖的库，方法如下所示： 模型训练服务支持使用pip安装，算法依赖的第三方库，以安装pystan为例，操作方法如下： os.system("pip install pystan") Notebook支持使用pip安装，

查看更多 →

attribute 'concat'。 原因分析 出现该问题的可能原因如下： 对应python包使用错误，该python包确实没有对应的变量或者方法 第三方pip源中的python包版本更新，导致在训练作业中安装的python包的版本可能也会发生变化。如训练作业之前无此问题，后面一直有此问题，则考虑是此原因。

查看更多 →

器镜像。 确认打入镜像的文件是否在正确的位置、是否有正确的权限。 训练场景主要查看自研的依赖包是否正常，查看pip list是否包含所需的包，查看容器直接调用的python是否是自己所需要的那个（如果容器镜像装了多个python，需要设置python路径的环境变量）。 测试训练启动脚本。

查看更多 →

manylinux2014_aarch64.whl # torch_npu安装包 ├── ascend_extension # 华为侧提供的插件包 ├── ascend_diffusers #华为侧提供的插件包 ├── Dockerfile

查看更多 →

"conda_py37" 使用新生成的Notebook kernel。 在Files页面，选择新建的Notebook kernel。 安装新软件包。 查看pandas是否安装。如下表示 pandas未安装。 返回Terminal，切换到相应的环境“py37”，然后安装pandas。 conda

查看更多 →

安装Python 在开始在CodeArts IDE上使用Python前，请确保您已在计算机上安装了Python。 在Windows上，您需要手动下载并安装Python解释器。 在Linux上，您可以使用内置的Python 3安装，但为了安装其他Python包，您还需要通过get-pip

查看更多 →

安装Python 用户没有sudo权限 输入的路径没有权限 部署应用中断 权限不够 参数含反斜杠“\”（特例） 环境下没有主机 环境不存在 windows主机部署应用失败 使用sudo权限执行报错 部署进程被第三方杀毒软件拦截 Windows主机上检测到版本与安装版本不匹配 路径不合法

查看更多 →

选择当前资源类型为主机集群的环境，作为部署对象。 python版本 python的版本。 python安装路径 python的安装路径。 控制选项 配置是否启用该操作。 当前步骤部署失败后，应用是否继续部署后续的步骤。 配置是否使用sudo权限部署该步骤。 若在部署过程中遇到问题，可参考该步骤的常见问题解决办法。

查看更多 →

推理专属预置镜像列表 ModelArts的推理平台提供了一系列的基础镜像，用户可以基于这些基础镜像构建自定义镜像，用于部署推理服务。 X86架构（CPU/GPU）的推理基础镜像 表1 TensorFlow AI引擎版本 支持的运行环境 镜像名称 URI 2.1.0 CPU GPU(cuda10

查看更多 →

plot 如果您在未安装依赖的情况下按照运行代码部分所述尝试运行此示例，CodeArts IDE将显示一个错误消息，指示所需的包不可用。 您可以使用pip将所需的包安装到环境中。打开内置终端，运行“pip install matplotlib”命令（Windows）或“pip3 install

查看更多 →

orch，MindSpore等常用深度学习任务的基础镜像，镜像里已经安装好运行任务所需软件。当基础镜像里的软件无法满足您的程序运行需求时，您可以基于这些基础镜像制作一个新的镜像并进行训练。 训练基础镜像列表 ModelArts中预置的训练基础镜像如下表所示。 表1 ModelArts训练基础镜像列表

查看更多 →

如果训练后台不支持下载开源安装包或者使用用户编译的whl包时，由于系统无法自动下载并安装，因此需要在“代码目录”放置此whl包，同时创建一个命名为“pip-requirements.txt”的文件，并且在文件中指定此whl包的包名。依赖包必须为“.whl”格式的文件。 例如，“代码目录”对应的OBS

查看更多 →

运行环境如何安装Python包？ Python运行环境已安装常用的python包。如果没有，可通过如下步骤安装： 本机下载pip包。 将pip包上传至OBS。 在代码中下载OBS中pip包。 pip本地安装。 import os os.system('pip install pacakge')

查看更多 →