标签：统计当前画布中所有的标签名称和对应的点边数量。 节点权重Top10：当前图中边数量最多的十个节点。 以下图统计信息为例，图中共有7个标签。标签为FUND_PRODV的点有5个，标签为FIN_PRODV的点有3个。 图中权重最大的是节点id为1101的点，共有5条边。排名第十的是节点id为1103的点，共有1条边。

查看更多 →

true或者false true weight 否 边上权重 String 空或字符串 * 空：边上的权重、距离默认为“1”。 * 字符串：对应的边上的属性将作为权重，当某边没有对应属性时，权重将默认为1。 说明： 边上权重应大于0。 - seeds 否 节点ID String

查看更多 →

true或者false true weight 否 边上权重 String 空或字符串 * 空：边上的权重、距离默认为“1”。 * 字符串：对应的边上的属性将作为权重，当某边没有对应属性时，权重将默认为1。 说明： 边上权重应大于0。 - OD 否 起点终点对 String 标准

查看更多 →

--port：推理服务端口8080。 --tokenizer：tokenizer路径，HuggingFace的权重路径。 --epochs：测试轮数，默认取值为5 --parallel-num：每轮并发数，支持多个，如 1 4 8 16 32。 --prompt-tokens：输入长度，支持多个，如

查看更多 →

--port：推理服务端口8080。 --tokenizer：tokenizer路径，HuggingFace的权重路径。 --epochs：测试轮数，默认取值为5 --parallel-num：每轮并发数，支持多个，如 1 4 8 16 32。 --prompt-tokens：输入长度，支持多个，如

查看更多 →

新建工单”，提交申请。 新节点权重 开启了新节点自动加入代理功能后，当路由模式为权重负载时，需要设置新节点的读权重。节点的读权重默认为100，读权重越高，处理的读请求越多。 选择数据库节点 勾选需要加入到数据库代理中处理读请求的节点。 路由模式为负载均衡时，不需要配置读权重。数据库代理会根据

查看更多 →

盖发布服务时配置的标签及权重，默认是“false”。如果“online_override”的值是“false”，则采用标签融合的方式，即在线预测的新标签值及权重会更新已有的标签及权重值。 priority_tags 否 List 由属性、属性值、属性权重以及该属性在物品中的数据类

查看更多 →

，从而减轻主实例的工作负担，保障读写事务的性能。此功能对应用透明，业务代码无需改造，只需要在控制台上设置主实例和只读实例的读权重，即可实现将读流量按照权重分流到主实例和只读实例上，写流量不受影响，默认会分流到主实例上。一般来说该比例的设置需结合业务实际特点以及存储节点实际负载进行设置。

查看更多 →

Integer 数据库主实例读权重。 当route_mode选择0（权重负载）时，该字段取值范围为0~1000。 当route_mode取值非0（权重负载）时，该字段不生效。 readonly_instances 是 Array of objects 数据库节点的读权重设置。请参见表3。 只能为只读实例选择权重。

查看更多 →

MySQ L实例 来说，开启读写分离后，会将主实例的读权重设置为100，您可以根据业务需求自行调整主实例和只读实例的读权重。 对于 GaussDB (for MySQL)实例来说，开启读写分离后需要您根据业务需求自行调整主实例和只读实例的读权重。 由于只读实例的数据是从主实例异步复制过来的，可能存在可见性延迟。

查看更多 →

介绍如何进行LoRA微调训练。 推理前的权重转换 - 模型训练完成后，可以将训练产生的权重文件用于推理。推理前参考本章节，将训练后生成的多个权重文件合并，并转换成Huggingface格式的权重文件。 如果无推理任务或者使用开源Huggingface权重文件进行推理，可以忽略此章节。和本

查看更多 →

true或者false true weight 否 边上权重 String 空或字符串 * 空：边上的权重、距离默认为“1”。 * 字符串：对应的边上的属性将作为权重，当某边没有对应属性时，权重将默认为1。 说明： 边上权重应大于0。 - seeds 否 节点ID String

查看更多 →

请求。 权重负载：根据您设置的读权重比例分发读请求。 负载均衡：根据数据库节点的活跃连接数情况进行读请求分发，将读请求分发到活跃连接数较少的节点上。负载均衡模式不需要修改权重。 数据库代理的代理模式不同，分发读请求的目标节点不同。 只读模式：所有读请求按照路由模式和权重转发到已选只读节点，不会转发到主节点。

查看更多 →

lora微调输出权重 |── sft # 增量训练输出权重 |── pretrain # 预训练输出权重 |── tokenizers #原始权重及tokenize

查看更多 →

Bool true或false false weight 否 边上权重 String 空或字符串 空：边上的权重、距离默认为“1”。 字符串：对应的边上的属性将作为权重，当某边没有对应属性时，权重将默认为1。 说明： 边上权重应大于0。 - timeWindow 否 用于进行时间过滤的时间窗

查看更多 →

名选择tags，权重值设置为1，其意思为根据选定的主体和客体相关属性对的匹配情况累计权重值。 数值比较，单击添加属性权重，在下拉列表中选择属性名称，设置权重，根据客体相关数值属性的大小进行重排序。 统计方式，根据数值属性的大小顺序（ORDER）或者绝对值进行权重累加（ABS）统计。

查看更多 →

推理模型量化 使用AWQ量化工具转换权重 使用SmoothQuant量化工具转换权重 使用kv-cache-int8量化 父主题： 主流开源大模型基于Standard适配PyTorch NPU推理指导（6.3.906）

查看更多 →

基于流量比例的策略（又称为AB TEST策略）所有版本的权重之和为100，即：假设默认版本的权重为x，当前待修改版本的权重为y，则x+y=100。 当您此时将待修改版本的权重从y改成y1，则默认版本的权重会自动改为x-y1+y，即待修改版本的权重会影响到默认版本的权重。 修改基于请求内容的策略： 基于

查看更多 →

评测分数计算介绍 评分方案介绍 AB类log函数评分方案 AB类均匀权重（Average）评分方案 C类均匀权重评分（Average）方案 父主题： 评测管理

查看更多 →

调度方式 可选择集群权重或自动均衡两种模式。 集群权重：手动设置各集群的权重，工作负载在各集群的实例数将根据设置的权重比例进行分配。 自动均衡：工作负载将根据资源余量在可调度的集群中自动选择集群进行部署。 部署集群 “集群权重”模式下，需手动设置各集群权重值，权重非0的集群将自动勾

查看更多 →

SFT全参微调训练任务 Step1 上传训练权重文件和数据集 如果在准备代码和数据阶段已经上传权重文件和数据集到容器中，可以忽略此步骤。 如果未上传训练权重文件和数据集到容器中，具体参考上传代码和权重文件到工作环境和上传数据到指定目录章节完成。训练脚本中会自动执行训练前的权重转换操作和数据处理操作。

查看更多 →