对象模型 本节介绍流控策略的对象模型，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 流控对象模型 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 本节介绍签名密钥与API的绑定关系的对象模型，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 签名密钥与API绑定关系对象模型

查看更多 →

对象模型 本节介绍自定义 域名 及证书的对象模型。 “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 域名对象模型 参数 类型 说明 操作类型 是否必选

查看更多 →

AI模型 创建模型 盘古辅助制药平台支持用户创建AI模型，目前AI模型只有专业版支持。AI建模支持创建属性模型和基模型。创建属性模型是基于自定义数据，对盘古药物分子大模型进行微调，进行属性预测和迭代活性优化，实现干湿实验闭环。基模型基于自定义化合物数据，对盘古药物分子大模型进行增量预训练，提升化合物表征精度。

查看更多 →

请见选择数据。 训练模型 在“应用开发>模型训练”页面，配置训练参数，开始训练模型。 输出路径 模型训练后，输出的模型和数据存储在OBS的路径。单击输入框，在输出路径的对话框中选择OBS桶和文件夹，然后单击“确定”。 预训练模型 当前服务提供安全帽检测预置模型“saved_model

查看更多 →

管理模型 开发模型 导入/转换本地开发模型 导入/转换ModelArts开发模型 加密模型 父主题： 开发环境HiLens Studio

查看更多 →

om”格式的模型文件，选择“Encrypt Model”。 弹出“Encrypt Model”对话框。 图1 加密模型 “Encrypt Model”对话框中显示了模型密钥，单击“OK”。 在左侧“model”目录下会生成带密钥的模型文件，为区别于原模型，名称后缀增加“.en”。 图2

查看更多 →

模型中心 模型中心概述 创建模型微调流水线 创建及管理模型 调测模型 查看模型调用记录

查看更多 →

获取模型 功能介绍 获取当前空间下的全部模型信息。 调用方法 请参见如何调用API。 URI GET /v2/{project_id}/design/workspaces 表1 路径参数 参数 是否必选 参数类型 描述 project_id 是 String 项目ID，获取方法请参见项目ID和账号ID。

查看更多 →

模型训练 使用AI Gallery的订阅算法实现花卉识别 使用ModelArts Standard自定义算法实现手写数字识别 示例：从0到1制作 自定义镜像 并用于训练（PyTorch+CPU/GPU） 示例：从0到1制作自定义镜像并用于训练（MPI+CPU/GPU） 示例：从0到1

查看更多 →

模型训练 模型训练中除了数据和算法外，开发者花了大量时间在模型参数设计上。模型训练的参数直接影响模型的精度以及模型收敛时间，参数的选择极大依赖于开发者的经验，参数选择不当会导致模型精度无法达到预期结果，或者模型训练时间大大增加。 为了降低开发者的专业要求，提升开发者模型训练的开发

查看更多 →

应用模型 应用模型简介 基本概念 应用模型使用流程 实例管理 概览 模型地图（新版） 模型地图（旧版） 模型目录（新版） 模型目录（旧版） 模型采集 信息架构 业务术语 工作空间 行业模板

查看更多 →

模型设计 关系建模 维度建模 父主题： 数据架构组件

查看更多 →

检索模型 概述 通过新版模型地图，用户可以对新版模型目录的资产进行检索，快速查找所需资产信息。与旧版模型地图相同，也支持收藏模型与添加标注功能。 前提条件 已创建应用元模型，具体请参见模型目录（新版）。 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 > 实例管理”。

查看更多 →

模型验证 模型验证服务是什么含义？ 父主题： 常见问题

查看更多 →

模型选择 目前，学件已经集成了几十维到上百维不同种类的特征库，源于历史各类Case和通用KPI异常检测的算法库。通过数据的特征画像，可以实现自动化的特征推荐和算法推荐。 单击“特征画像”左下方的“模型选择”。 新增“模型选择”内容，如图1所示。 图1 模型选择 单击“模型选择”代码框左侧的图标，运行代码。

查看更多 →

模型管理 在模型管理界面，可以将归档的模型，打包成模型包。 在菜单栏中，单击“模型管理”，进入“模型管理”界面。 单击界面右上角的“新建模型包”，弹出“新建模型包”对话框。 请根据实际情况，修改模型名称、模型版本、模型描述等信息，并勾选归档的学件模型“Learnware”。 单击

查看更多 →

单击界面右上角的图标，进入代码编辑界面。 在左侧代码目录树中，单击“validation.py”文件，右侧展示文件内容，先清空文件内容。 打开预置项目“hardisk-detect”中的“validation.py”文件，拷贝文件内容，至当前文件中，并“Ctrl+S”保存文件。 在左侧目录树中，选中根目录节点“H

查看更多 →

其中“排行榜”展示所有训练出的模型列表，支持对模型进行如下操作： 单击模型所在行对应“操作”列的“详情”，查看模型超参取值和模型评分结果。 单击模型所在行对应“操作”列的“预测”，在新增的“AutoML模型预测”内容中，选择测试数据集test，运行代码框，查看模型预测结果，如图6所示。

查看更多 →

资产模型 创建资产模型 获取资产模型列表 获取资产模型详情 修改资产模型 删除资产模型 父主题： API列表

查看更多 →