ModelArts平台提供了Tensorflow，PyTorch，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。

查看更多 →

查询Flexus L实例 云主机详情 功能介绍 查询Flexus L实例云主机的详细信息，包括云主机的运行状态、云主机名称、公网IP等。 该接口支持查询云主机计费方式，以及是否被冻结。 调试 您可以在 API Explorer 中调试该接口。 URI GET /v1/{project_

查看更多 →

ICAgent管理（华为云主机） 安装ICAgent 升级ICAgent 卸载ICAgent 父主题： 配置管理

查看更多 →

单击“下载批量模板”，下载批量模板表格至本地。 图3 下载批量模板 打开下载好的表格“importTemplate.xlsx”，按表格要求填写 服务器 相关信息并保存。 单击“添加文件”，上传已填写完成的表格“importTemplate.xlsx”。 HSS将自动解析，您填写的服务器。如果服务器解析失败，您可以单击“查看失败主机”，确认失败原因。

查看更多 →

出页面中，单击“云主机 E CS -文本日志”进行主机接入配置。 单击“所属日志组”后的目标框，在下拉列表中选择具体的日志组。若没有所需的日志组，单击“所属日志组”目标框后的“新建”，在弹出的创建日志组页面创建新的日志组。详细请参考管理日志组。 单击“所属日志流”后的目标框，在下拉列

查看更多 →

从OBS上传到云硬盘EVS。 将调试好的训练脚本和用于训练的数据集上传至OBS目录。 提交训练作业。提交训练作业方式如下： 在本地IDE中提交训练作业 可以通过调用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。 可以基于PyCharm

查看更多 →

在“Notebook”区域下，选择“TensorFlow-1.8”，新建一个ipynb文件。 在新建的Notobook中，在代码输入栏输入如下命令。 !pip install Shapely 在Terminal中安装 例如，通过terminal在“TensorFlow-1.8”的环境中使用pip安装Shapely。

查看更多 →

Kit的AI芯片支持运行“.om”模型，“.om”模型可以通过TensorFlow或Caffe模型转换而来，但“.om”模型并不支持TensorFlow和Caffe全部的算子，所以在开发模型的时候开发者需要用“.om”模型支持的算子，才能把TensorFlow和Caffe模型转换成“

查看更多 →

1-ubuntu18.04 无AI引擎（专用于 自定义镜像 的基础镜像） conda3-cuda10.2-cudnn7-ubuntu18.04 conda3-ubuntu18.04 表2 ARM预置镜像列表 引擎类型 镜像名称 TensorFlow tensorflow1.15-mindspore1

查看更多 →

推理基础镜像列表 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 URI 2.1.0 CPU GPU(cuda10

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 →

ModelArts支持哪些AI框架？ ModelArts的开发环境Notebook、训练作业、模型推理（即AI应用管理和部署上线）支持的AI框架及其版本，不同模块的呈现方式存在细微差异，各模块支持的AI框架请参见如下描述。 统一镜像列表 ModelArts提供了ARM+Ascend规格的统一镜像，

查看更多 →

察布一和西南-贵阳一的基于华为云提供的公共镜像制作系统盘镜像发布到云商店，请确保制作私有镜像的 云服务器 在上述区域。 使用华为云提供的公共镜像制作私有镜像时，您需先购买云主机等云资源时镜像选择公共镜像、云服务器类型建议统一选择“s3 (通用计算型)”，在云主机安装部署完商品，然后参照以下方式进行私有镜像制作。

查看更多 →

训练基础镜像详情（Horovod） 介绍预置的Horovod镜像详情。 引擎版本一：horovod_0.20.0-tensorflow_2.1.0-cuda_10.1-py_3.7-ubuntu_18.04-x86_64 镜像地址：swr.{region}.myhuaweicloud.com/aip/horov

查看更多 →

如果您是首次使用ModelArts的用户，建议您学习并了解如下信息： 基础知识了解 通过基础知识章节的内容，了解ModelArts相关的基础知识，包含AI开发的基础流程、AI开发的基础概念，以及ModelArts服务的特有概念和功能的详细介绍。 入门使用 《快速入门》提供了样例的详细操作指导，帮助用户学习并上手使用ModelArts

查看更多 →

为“.om”格式。 确认上传的模型文件是否正确 导入自定义模型前，需要将自定义的模型上传到OBS服务，非“.om”格式的模型上传文件包含caffe模型文件“.caffemodel”和“.prototxt”和配置文件“.cfg”，或tensorflow的“.pb”模型文件和配置文件“

查看更多 →

在OBS服务中创建桶和文件夹，用于存放样例数据集以及训练代码。需要创建的文件夹列表如表1所示，示例中的桶名称“test-modelarts” 和文件夹名称均为举例，请替换为用户自定义的名称。 创建OBS桶和文件夹的操作指导请参见创建桶和新建文件夹。 请确保您使用的OBS与ModelArts在同一区域。 表1

查看更多 →

法章节。 预置的训练引擎 当前ModelArts支持的训练引擎及对应版本如下所示。 不同区域支持的AI引擎有差异，请以实际环境为准。 表1 训练作业支持的AI引擎 工作环境 系统架构 系统版本 AI引擎与版本 支持的cuda或Ascend版本 TensorFlow x86_64 Ubuntu18

查看更多 →

导入和预处理训练数据集 参考TensorFlow官网的教程，创建一个简单的图片分类模型。 查看当前TensorFlow版本，单击或者敲击Shift+Enter运行cell。 1 2 3 4 5 6 7 8 9 10 from __future__ import absolute_import

查看更多 →

定”，完成实例创建。 安装TensorFlow 进入CodeArts IDE Online实例，创建并打开一个空白工作目录，命令如下。 mkdir ai-test 使用pip安装TensorFlow等依赖包，为加快安装速度此处安装的是tensorflow-cpu，命令如下。 1 2

查看更多 →

TFJob即Tensorflow任务，是基于Tensorflow开源框架的kubernetes自定义资源类型，有多种角色可以配置，能够帮助我们更简单地实现Tensorflow的单机或分布式训练。Tensorflow开源框架的信息详见：https://www.tensorflow.org

查看更多 →