对象模型 API需要绑定ACL策略，ACL策略才能够对API起到保护作用。本节介绍ACL策略与API的绑定关系的对象模型，如表1所示。 “操作类型”用于描述字段的属性，表示对应字段的值可进行的操作： C：创建；U：更新；R：读取。 “是否必选”列表示对于“操作类型”为“C”的创建操作，对应字段是否为必选字段。

查看更多 →

对象模型 管理系统的默认配置，管理租户可以根据系统的实际运行情况对这些配置的值进行修改。 “操作类型”用于描述字段的属性，表示对应字段的值可进行的操作： C：创建；U：更新；R：读取。 “是否必选”列表示对于“操作类型”为“C”的创建操作，对应字段是否为必选字段。 表1 系统配置对象模型

查看更多 →

对象模型 本节介绍签名密钥的对象模型，如下表所示： “操作类型”用于描述字段的属性，表示对应字段的值可进行的操作： C：创建；U：更新；R：读取。 “是否必选”列表示对于“操作类型”为“C”的创建操作，对应字段是否为必选字段。 表1 签名密钥模型 参数 类型 说明 操作类型 是否必选

查看更多 →

对象模型 本节介绍API及后端服务的对象模型。 “操作类型”用于描述字段的属性，表示对应字段的值可进行的操作： C：创建；U：更新；R：读取。 “是否必选”列表示对于“操作类型”为“C”的创建操作，对应字段是否为必选字段。 表1 API对象模型 参数 类型 说明 操作类型 是否必选

查看更多 →

对象模型 本节介绍APP与API之间的授权关系的对象模型，如下表所示。 “操作类型”用于描述字段的属性，表示对应字段的值可进行的操作： C：创建；U：更新；R：读取。 “是否必选”列表示对于“操作类型”为“C”的创建操作，对应字段是否为必选字段。 表1 APP授权关系对象模型 参数

查看更多 →

对象模型 API需要绑定ACL策略，ACL策略才能够对API起到保护作用。本节介绍ACL策略与API的绑定关系的对象模型，如表1所示。 “操作类型”用于描述字段的属性，表示对应字段的值可进行的操作： C：创建；U：更新；R：读取。 “是否必选”列表示对于“操作类型”为“C”的创建操作，对应字段是否为必选字段。

查看更多 →

设备模型 设备规格定义 父主题： 制造数据模型管理

查看更多 →

模型推理 模型初始化成功后，调用infer接口进行模型推理。灌入一组数据，并得到推理结果。输入数据的类型不是uint8或float32数组组成的list将会抛出一个ValueError。 接口调用 hilens.Model.infer(inputs) 参数说明 表1 参数说明 参数名

查看更多 →

模型训练 企业A在完成特征选择后，可以单击右下角的“启动训练”按钮，配置训练的超参数并开始训练。 等待训练完成后就可以看到训练出的模型指标。 模型训练完成后如果指标不理想可以重复调整7、8两步的所选特征和超参数，直至训练出满意的模型。 父主题： 使用 TICS 可信联邦学习进行联邦建模

查看更多 →

读取模型 概述 读取spark pipeline model类型的模型文件。 输入 无 输出 spark pipeline model类型的模型对象 参数说明 参数 参数说明 input_model_path 模型文件所在的路径 样例 params = { "input_model_path":

查看更多 →

保存模型 概述 保存spark pipeline类型的模型到本地文件系统。 输入 参数 子参数 参数说明 inputs pipeline_model inputs为字典类型，pipeline_model为pyspark中的PipelineModel对象 输出 无 参数说明 参数 子参数

查看更多 →

模型工程 分类 聚类 评估 推荐 回归 文本 时间序列 父主题： 预置算子说明

查看更多 →

应用模型 如何解决设计器部署实例时资源图标旁出现红色感叹号的问题？ 设计器部署实例时需注意哪些关联关系？

查看更多 →

模型采集 接入数据源 管理数据源 采集任务管理 父主题： 应用模型

查看更多 →

检索模型 概述 通过模型地图，用户可以根据模型的名字和路径关键字进行资产检索，快速查找所需数据信息；同时也支持用户收藏模型，申请权限，添加标注，方便快速使用。 前提条件 已采集技术模型，具体请参见模型采集。 已创建业务模型，具体请参见模型目录（旧版）。 检索模型 在开天 集成工作台 界面中，选择左侧导航栏中的“应用模型

查看更多 →

模型适配 基于MindSpore Lite的模型转换 动态shape 父主题： 推理业务昇腾迁移通用指导

查看更多 →

可以看到获取的shape信息如下图所示。 图1 shape信息 PyTorch模型转换为Onnx模型（可选） 获取onnx模型有两种方式，方式一是使用官方提供的模型转换脚本将pytorch模型转换为onnx模型，方式二是对于提供了onnx模型的仓库，可以直接下载onnx模型。下面介绍方式一如何操作，如果采用方式二，可以跳过此步骤。

查看更多 →

模型管理 模型仓库 模型文件说明（标注） 模型文件说明（训练） 父主题： 数据资产

查看更多 →

模型仓库 Octopus平台支持上传符合平台规范的模型用于标注或训练任务。对智驾模型进行模型微调后，调优后的模型会自动保存到模型仓库中。 上传模型需包含以下内容： 模型文件。 推理脚本，推理脚本命名为：customer_auto_label.py。 推理脚本所需依赖库。 新建模型仓库

查看更多 →

模型评测 在机器学习中，通常需要使用一定的方法和标准，来评测一个模型的预测精确度。自动驾驶领域通常涉及目标检测、语义分割、车道线检测等类别，如识别车辆、行人、可行区域等对象。 评测脚本 评测任务 任务队列 评测对比 模型数据集支持 父主题： 训练服务

查看更多 →

完成模型配置。 图1 模型配置 模型级别：可选择“初始模型”和“迭代模型”。“初始模型”为Octopus平台提供的内置模型，“迭代模型”是用户二次微调后的模型。 输入模型：选择需要进行微调的模型和版本。当前支持2D预标注模型进行模型微调。 输出模型：模型微调后存储的模型仓库。

查看更多 →