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”。 单击实例“控制台”，弹出“模型地图和模型目录上新啦”对话框，单击“使用旧版”，选择“模型地图”。 如果没有对话框出现，选择“模型地图”，右上角单击“返回旧版”，切换至旧版模型地图。 在搜索栏中输入需要查询的模型数据关键字，选择查询模型的类型，单击“搜索”跳转模型列表界面，如图1所示。

查看更多 →

在总览图中找到所需要的逻辑模型，将光标移动到该卡片上，单击该模型的转换按钮。逻辑模型只支持转换为关系建模的模型。 图8 逻辑模型转化为物理模型 在“转换为物理模型”对话框中，配置如下参数，然后单击“确定”。 图9 转换为物理模型 逻辑模型转换为物理模型时，系统会先校验是否有前缀。 表6 参数描述 参数名称

查看更多 →

返回流水线构建页面。 图16 关闭知识融合 步骤8：配置图谱质检 在流水线构建页面，单击“图谱质检”，页面下方弹出“图谱质检”对话框，单击右侧按钮可以放大对话框。 图17 图谱质检 在“图谱质检”对话框，打开“图谱质检”开关，单击“保存”。 图谱质检为非必选流程，关闭和开启状态均不影响图谱构建。

查看更多 →

基于已发布的模型路径生成探索视图 操作场景 基于已发布的模型路径探索可以配置探索视图，通过探索视图，您可快速查找数据，数据结果以图形化的形式直观呈现（探索视图更多内容请参考探索视图）。 前提条件 已获取开发人员及以上权限用户的账号和密码。 操作步骤 登录LinkX-F系统首页。 选择“数据探索

查看更多 →

图解工业数字模型驱动引擎

查看更多 →

ce1”。 图2 数据预处理 单击“数据预处理”代码框左侧的图标。运行代码，对测试数据做数据预处理。 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“

查看更多 →

GP”算法，选取十个超参组合，依次进行模型训练。 图2 超参优化配置 单击“开始训练”，回到代码编辑界面。 可通过单击界面右上角的“训练任务”，查看训练任务状态。如图3所示。 单击训练任务下方的图标，下方会展示模型训练日志、运行结果日志、运行图和Tensorboard窗口。 图3 训练任务 模型训练结束后，

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 →

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 →

日志定位训练任务失败原因。 运行图：用户在训练工程中，调用SDK，以图表的形式显示任务执行信息。 Tensorboard：创建训练任务时，若勾选了“创建Tensorboard任务”，训练结束后，该页签可以展示TensorFlow在运行过程中的计算图、各种指标随着时间的变化趋势以及训练中使用到的数据信息。

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 →

训练模型 选择训练数据后，基于已标注的训练数据，选择预训练模型、配置参数，用于训练文本分类模型。 前提条件 已在 自然语言处理 套件控制台选择“通用文本分类工作流”新建应用，并选择训练数据集，详情请见选择数据。 训练模型 图1 模型训练 在“模型训练”页面，勾选模型训练所使用的“预训

查看更多 →

的样本信息，包括样本的正确标签和预测标签。 图2 详细评估 后续操作 针对当前版本的模型，经过“整体评估”和“详细评估”后，如果根据业务需求，模型还需继续优化，请单击“上一步”，回到“模型训练”步骤，详细操作指导请见训练模型。 如果模型已达到业务需求，请单击“发布部署”，进入“服务部署”步骤，详情请见部署服务。

查看更多 →

并训练模型，详情请见训练模型。 评估模型 在“模型评估”页面，您可以针对当前版本的模型进行模型评估，查看评估参数对比和详细评估，也可以模拟在线测试。 图1 评估模型 模型评估 “模型评估”下侧显示当前模型的版本、验证集数量。 评估参数对比 “评估参数对比”下方显示当前模型的评估参

查看更多 →

待服务构建完成，单击“上传图片”，上传本地一张测试图片，即可查看当前模型版本的预测结果。 图3 模拟在线测试 后续操作 针对当前版本的模型，经过模型评估后，如果根据业务需求，模型还需继续优化，请单击“上一步”，回到“模型训练”步骤，详细操作指导请见评估模型。 如果模型已达到业务需求，请单击“

查看更多 →

I开发工作流”选择“通用图像分类工作流”新建应用，并训练模型，详情请见训练模型。 评估模型 在“模型评估”页面，您可以针对当前版本的模型进行模型评估，查看评估参数对比和详细评估，也可以模拟在线测试。 图1 评估模型 模型评估 “模型评估”下侧显示当前模型的版本、验证集数量。 评估参数对比

查看更多 →