准备 获取弹性伸缩服务优雅关机的程序包。 创建委托ASOperation，添加“E CS FullAccess”以及“AutoScaling FullAccess”权限，具体详情请参考创建委托。 请在工单系统中提交工单，申请在弹性伸缩服务（AS）中开通配置消息通知白名单。 提交工单

查看更多 →

准备 创建函数及添加事件源之前，需要创建两个OBS桶，分别用来保存用户上传的图片和打水印后输出的图片。 OBS桶创建以后，需要创建委托，给FunctionGraph函数赋权，确保FunctionGraph函数能够访问到OBS资源。 创建OBS桶 注意事项 上传图片的源桶、输出图片的目标桶和函数必须处于同一个区域下。

查看更多 →

准备 案例实现的功能是将DIS数据格式转换，存储到 表格存储服务 中，所以需要先在 表格存储 服务创建集群，在创建集群时需要使用虚拟私有云。 创建函数之前，需要创建委托，给FunctionGraph函数赋权，确保FunctionGraph函数能够访问到DIS和CloudTable资源。 创建虚拟私有云

查看更多 →

准备 创建IoTDA 转发规则前，需要先创建IoTDA实例，在正常的使用中还需要创建产品，设备。在本案例中我们只测试，只需要先创建IoTDA 实例。 创建IoTDA IoT实例 登录IoTDA控制台，左侧导航栏选择“IoTDA实例”，进入选择界面。 在“IoTDA实例”界面右侧，单击“购买实例

查看更多 →

准备 创建函数前，需要创建1个OBS桶，用来保存用户上传的图片。 OBS桶创建以后，需要创建“委托”，给FunctionGraph函数赋权，确保FunctionGraph函数能够访问到OBS资源。 创建OBS桶 上传图片的源桶和函数必须处于同一个区域下。 操作步骤 在服务控制台左侧导航栏，选择“存储

查看更多 →

准备 该场景涉及微服务与后端服务的调用，因此需要提前准备好对应的后端服务。用户可以使用自己搭建的后端服务，也可以使用华为云提供的云服务。 若后端服务需要通过虚拟私有云（VPC）访问，函数需要进行额外配置，若可以通过公网访问后端服务，可以跳过以下步骤2和步骤3。 创建Java函数（

查看更多 →

准备 购买Redis实例，如果已有Redis实例可以跳过。 查看Redis实例的连接信息，获取待连接Redis实例的IP地址。具体步骤请参见查看实例信息。 创建一个有“VPC Administrator”权限的FunctionGraph云服务委托，配置委托权限请参见配置委托权限。

查看更多 →

数据绑定：通过建立不同类型的视图模型，将各种数据源和组件的返回值或者属性值进行关联，实现动态数据效果。 值绑定：设置组件绑定的数据模型，数据模型一般有以下几种。更多介绍，请参见值绑定。 自定义：由用户自定义的前端模型，可以在模型树上快速创建自定义字段。 对象：由后台对象模型映射创建，支持选择字段。

查看更多 →

Online、TensorFlow和Jupyter Notebook开发深度学习模型 本实践主要讲解如何在CodeArts IDE Online中使用TensorFlow和Jupyter Notebook完成神经网络模型的训练，并利用该模型完成简单的图像分类。

查看更多 →

准备 日志采集和存储 在云日志服务创建日志组，此处以polo.guoying为例，创建过程请参考创建日志组。 在云日志服务创建日志流，此处以lts-topic-gfz3为例，创建过程请参考创建日志流。 在云日志服务配置Agent，快速将ECS等 服务器 上日志采集到指定的日志组，配置过程请参考安装ICAgent。

查看更多 →

准备 创建函数及添加事件源之前，需要创建两个OBS桶，分别用来保存用户上传的文件和加/解密后输出的文件。 OBS桶创建以后，需要创建委托，给FunctionGraph函数赋权，确保FunctionGraph函数能够访问到OBS资源，本指导以加密文件为例： 创建OBS桶 上传文件的

查看更多 →

高了抗噪性能，使识别准确率显著提升。 识别速度快 把语言模型、词典和声学模型统一集成为一个大的神经网络，同时在工程上进行了大量的优化，大幅提升解码速度，使识别速度在业内处于领先地位。 多种识别模式 支持多种 实时语音识别 模式，如流式识别、连续识别和实时识别模式，灵活适应不同应用场景。

查看更多 →

”或“部署”，可以直接使用模型进行训推。 当按钮置灰时，表示模型不支持该任务。 模型介绍 表1列举了ModelArts Studio大模型即服务平台支持的模型清单，模型详细信息请查看界面介绍。 表1 模型广场的模型系列介绍 模型系列 模型类型 应用场景 支持语言 GLM-4 文本生成

查看更多 →

* as bp from "bp"; //......（其他代码） const client = bp.newInstanceClient(); client.start(BPM名称, BPM版本号, BPM中定义的变量); 脚本样例如下： import * as bp from

查看更多 →

是否支持Keras引擎？ 开发环境中的Notebook支持。训练作业和模型部署（即推理）暂时不支持。 Keras是一个用Python编写的高级神经网络API，它能够以TensorFlow、CNTK或者Theano作为后端运行。Notebook开发环境支持“tf.keras”。 如何查看Keras版本

查看更多 →

* as bp from "bp"; //......（其他代码） const client = bp.newInstanceClient(); client.start(工作流名称, 工作流版本号, 工作流中定义的变量); 脚本样例如下： import * as bp from

查看更多 →

必须选择一个已有的FiBiNet模型才能创建实时预测作业。 实时预测作业必须选择训练FiBiNet模型的参与方计算节点发布的数据集。 创建训练模型时参数必须有"save_format": "SAVED_MODEL"。 创建联邦预测作业 实时预测作业在本地运行，目前仅支持深度神经网络FiBiNet算法。

查看更多 →

单击界面左下角的“异常检测模型测试”，弹出“异常检测模型测试”代码框，如图3所示。 “是否绘图”请选择“是”，可以通过绘图查看模型的测试验证效果。 图3 异常检测模型测试 单击“异常检测模型测试”代码框左侧的图标。等待模型测试完成。 模型测试打印结果示例，如图4所示。截图仅为模型测试打印结果的一部分，具体以实际打印结果为准。

查看更多 →

模型训练 硬盘故障检测模板会预置模型训练工程，无需关注，下面会提供端到端的操作流程，帮助用户快速熟悉模型训练界面操作。 单击菜单栏中的“模型训练”，进入模型训练首页。 可以看到预置的“hardisk_detect”模型训练工程，这是硬盘故障检测模板预置的模型训练工程，本次不使用。

查看更多 →

模型管理 模型管理简介 创建模型 模型推理

查看更多 →

测试模型 用测试数据测试模型的泛化能力。训练数据可以是带标签或者不带标签的数据，测试数据一定是带标签的数据，方便评估模型执行效果。 单击“训练模型”左下方的“测试模型”，新增“测试模型”内容。 参数配置均保持默认值。 单击“测试模型”代码框左侧的图标，进行模型评估。 模型测试效果会通过表格的形式在下方展示。

查看更多 →