定制双品牌 伙伴可以上传自己企业的Logo，华为云控制台会展示伙伴和华为的双品牌（Logo）。 在“品牌定制”页面，选择“品牌”页签。 单击“上传”，分别上传伙伴的中文 LOG O和英文LOGO（如果只有一种LOGO，可使用相同的图片）。 在各LOGO下，配置LOGO的单击跳转链接。

查看更多 →

下次进入项目的仪表盘页面时，将默认展示“仪表盘2”的内容。 导出仪表盘 在仪表盘详情页面，单击右上角“更多 > 导出仪表盘”，可将当前默认仪表盘以PDF格式导出到本地。 仪表盘设置 仪表盘设置操作包括：新建仪表盘、修改仪表盘、删除仪表盘和设置默认仪表盘。详细操作请参见仪表盘设置。 父主题：

查看更多 →

统架构。 物联网平台支持设备通过LoRa网络接入，但LoRaWAN设备不能直连物联网平台，需要经过LoRa服务商提供的LoRa Server接入物联网平台，如下图所示。 LoRa Server：由LoRa服务商提供的LoRa接入 服务器 ，LoRa Server与物联网平台之间通过M

查看更多 →

自定义，如“test_lora_gateway” 设备标识码 (GatewayEUI) 填写LoRa网关的gatewayEUI，从LoRa网关上获取。 接入码 在LoRa Server上注册LoRa网关使用的接入码，由唯传科技提供。 新注册的LoRa网关处于未激活状态。如果LoRa网关是MQ

查看更多 →

LoRA微调训练 前提条件 已上传训练代码、训练权重文件和数据集到SFS Turbo中，具体参考代码上传至OBS和使用Notebook将OBS数据导入SFS Turbo。 Step1 在Notebook中修改训练超参配置 以llama2-13b LORA微调为例，执行脚本0_pl_lora_13b

查看更多 →

删除LoRa节点。应用已鉴权，在header中携带参数app_key和Authorization: Bearer {accessToken}Status Code: 204 No Content

查看更多 →

LoRA微调训练 本章节以Llama2-70B为例，介绍LoRA微调训练的全过程。对于Llama2-7B和Llama2-13B，操作过程与Llama2-70B相同，只需修改对应参数即可。 Step1 LoRA微调数据处理 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。

查看更多 →

r/ws。 SEQ_LEN 4096 非必填。默认值为4096。 在qwen.sh脚本默认情况下Lora微调的配置为： --lora-r 16 --lora-alpha 32 LoRA微调训练的计算量要小于预训练，可以适当增加MBS的值，这里建议： 对于7B：TP=4 PP=1 MBS=2

查看更多 →

loraServer网关上线后，注册LoRa网关。应用已鉴权，在header中携带参数app_key和Authorization: Bearer {accessToken}Status Code: 201 Created

查看更多 →

删除LoRa网关。应用已鉴权，在header中携带参数app_key和Authorization: Bearer {accessToken}Status Code: 204 No Content

查看更多 →

查询单个LoRa网关信息。应用已鉴权，在header中携带参数app_key和Authorization: Bearer {accessToken}Status Code: 200 OK

查看更多 →

推荐 最小二乘法 向量召回评估 协同过滤-Item-based swing 父主题： 模型工程

查看更多 →

设备接入 基于小熊派开发智慧路灯（联通用户专用） 基于唯传LoRa网关和体验板接入物联网平台（联通用户专用）

查看更多 →

新增LoRaWAN设备和Modbus设备接入平台的能力 LoRaWAN设备接入 LoRa作为低功耗和远距离传输的代表，基于LoRaWAN协议的设备可通过LoRa网络经过LoRa服务商提供的LoRa Server接入物联网平台，实现数据上报和命令下发。 LoRaWAN设备接入 Modbus设备接入

查看更多 →

loraServer网关上线后，注册LoRa节点。应用已鉴权，在header中携带参数app_key和Authorization: Bearer {accessToken}Status Code: 201 Created

查看更多 →

LoRA微调训练 本章节以Baichuan2-13B为例，介绍LoRA微调训练的全过程。 Step1 LoRA微调数据处理 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SFT微调使用同一个数据集，如果已经在SFT微调时处理过

查看更多 →

练的数据集预处理说明。 Step2 修改训练超参配置 以Llama2-70b和Llama2-13b的LoRA微调为例，执行脚本为0_pl_lora_70b.sh和0_pl_lora_13b.sh 。 修改模型训练脚本中的超参配置，必须修改的参数如表1所示。其他超参均有默认值，可以参考表1按照实际需求修改。

查看更多 →

LoRA微调训练 本章节介绍LoRA微调训练的全过程。 Step1 LoRA微调数据处理 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SFT微调使用同一个数据集，如果已经在SFT微调时处理过数据，可以直接使用，无需重复处理。

查看更多 →

持QoS等。 应用场景：为物联网行业推荐协议之一，广泛应用于智能硬件、车联网、能源、电力等场景。 支持方式：IoTDA原生支持。 使用指导 CoAP - 协议描述：CoAP（Constrained Application Protocol）是一种在物联网世界的类web协议，使用了请求/响应交互模型。协议设计精炼，

查看更多 →

查询单个LoRa节点关信息。应用已鉴权，在header中携带参数app_key和Authorization: Bearer {accessToken}Status Code: 200 OK

查看更多 →

Integer 推荐结果个数。 entities KgRecommendRespEntities object 推荐结果详情。 表4 KgRecommendRespEntities 参数 参数类型 描述 id String 推荐的实体节点ID。 name String 推荐的实体节点名称。

查看更多 →