软件中，也可以输出多种格式模型，以供其他应用程序使用。项目外、项目内、文档内导入界面如下图所示： 图1 数据交换 导入 导入的模型包括零件和装配，文件格式支持IGES、STEP、PTC、NX、CATIA、SolidWorks、ParaSolid、OBJ、STL、PDF、DWG、DXF。

查看更多 →

您可根据实际需求下载实景三维建模成功后的成果数据（OBJ、OSGB或metadata文件）到本地。状态为“处理中”、“删除中”的成果数据不能下载。 OSGB（Open Scene Gragh Binary）是osbg格式的LOD模型文件。 OBJ为obj格式的非LOD模型文件。 metadata文件包含成果数据坐标系以及坐标原点的信息。

查看更多 →

accountId = obj.accountId; member.number = obj.number; member.name = obj.name; member.thirdUserId = obj.thirdUserId;

查看更多 →

accountId = obj.accountId; member.number = obj.number; member.name = obj.name; member.thirdUserId = obj.thirdUserId;

查看更多 →

Gragh Binary）是osbg格式的LOD模型文件，OBJ为obj格式的非LOD模型文件。 zip格式（OBJ和OSGB文件）的成果数据需全选解压到同一个文件目录下，您可选择业内常用的开源或商业渲染软件打开OBJ和OSGB文件。例如： OBJ文件可使用MeshLab，CloudCompare等软件。

查看更多 →

据以及实景三维模型成果数据的存储总量。 用户上传的数据：倾斜摄影影像（航空飞机影像和无人机影像）、生产资料、精修后处理任务的输入数据（精修前后的obj数据）。 数据生产过程产生的中间数据：空三、显式辐射场阶段产生的数据。 实景三维成果数据：纹理Mesh实景三维模型和显式辐射场实景三维模型的osgb、obj格式的文件。

查看更多 →

mesh_osgb：纹理模型格实景三维模型输出.osgb三维预览文件。 mesh_obj：纹理模型格实景三维模型输出.obj三维模型文件。 nerf_osgb：显式辐射场实景三维模型输出.osgb三维预览文件。 nerf_obj：显式辐射场实景三维模型输出.obj三维模型文件。 metadata:

查看更多 →

以及实景三维模型成果数据的存储总量。 用户上传的数据：倾斜摄影影像（航空飞机影像和无人机影像）、生产资料、精修后处理任务的输入数据（精修前后的obj数据）。 数据生产过程产生的中间数据：空三、显式辐射场阶段产生的数据。 实景三维模型成果数据：纹理Mesh实景三维模型和显式辐射场实

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 →

训练模型 特征和算法确定后，可以开始训练模型。 训练模型 单击“模型选择”左下方的“训练模型”。 新增“训练模型”内容，如图1所示。 图1 训练模型 单击“训练模型”代码框左侧的图标，进行模型训练。 模型训练完成后，界面下方展示模型的评估效果。 第一列内容的含义如下所示： 0：标注为0的所有样本。可以理解为标签。

查看更多 →

模型管理 单击菜单栏中的“模型管理”，可在“模型管理”界面查看打包好的模型，如图1所示。 图1 模型管理 父主题： 使用模型训练服务快速训练算法模型

查看更多 →

使用模型 用训练好的模型预测测试集中的某个图片属于什么类别，先显示这个图片，命令如下。 1 2 3 # display a test image plt.figure() plt.imshow(test_images[9]) 图1 显示用以测试的图片 查看预测结果，命令如下。 1

查看更多 →

发布模型 逻辑实体创建完成后，必须创建对应的物理实体，才可以发布逻辑模型。 操作步骤 在数据服务左侧导航，选择“工具箱>数据开发>数据建模”。 在左侧导航中，单击展开分层，选择一个分层。 在需要发布的逻辑实体对应的“操作”列下，单击>。 在“提示”对话框中单击“确认”。 在“确认”对话框中单击“确定”。

查看更多 →

模型训练 使用特征工程处理后生成的训练集进行模型训练。 创建联邦学习训练任务（简易编辑器） 单击简易编辑器界面右上角的“训练”。 进入“训练任务配置”界面，如图1所示。 图1 训练任务配置 参数说明，如表1所示。 表1 参数配置 区域 参数名称 参数描述 任务说明 任务名称 训练任务的名称。

查看更多 →

模型训练 导入SDK 选择数据 特征画像 模型选择 训练模型 测试模型 开发推理 归档模型 父主题： KPI异常检测学件服务

查看更多 →

模型管理 模型管理简介 创建模型包 编辑模型包 上架模型包至AI市场 发布推理服务 模型包完整性校验 父主题： 用户指南

查看更多 →

是否生成本地模型包：请保持默认值关闭。即默认不在当前JupyterLab特征工程项目中生成本地模型包。仅归档模型包，供模型管理页面新建模型包使用。 是否生成本地metadata.json：请保持默认值关闭。 单击归档cell代码框左侧的图标，完成模型归档。 父主题： 模型训练

查看更多 →

模型”，并配置训练参数，开始训练模型。 预训练模型 当前服务提供预置预训练模型“高精版”、“均衡版”、“基础版”，在“预训练模型”列表中可查看“模型精度”、“推理速度”、“训练速度”和模型“简介”。 参数配置 在“参数配置”填写“学习率”和“训练轮次”。 “学习率”用来控制模型的学习速度，范围为(0

查看更多 →