型中的节点名称。当模型存在动态shape输入时必须提供。例如“input_name1:?,h,w,c”，该参数必填，其中“?”为batch数，表示1次处理的图片数量，需要根据实际情况填写，用于将动态shape的原始模型转换为固定shape的离线模型。 如果存在多个输入，请以分号（;）隔开。

查看更多 →

产品优势 端云协同，高性价比 设备端实时推理进行初次筛选，云上二次精确识别，平衡低时延与高精度。 云侧在线部署和更新端侧算法和运行参数，快速迭代与提升端侧精度。 端侧对采集的数据进行本地分析，大大减少上云数据流量，节约存储与带宽成本，部分场景中解决网络不稳问题。 纳管多种设备，管理统一

查看更多 →

TINYINT 2字节整数 SMALLINT SMALLINT 4字节整数 INTEGER INT 8字节整数 BIGINT BIGINT 单精度浮点数 FLOAT4 (REAL) FLOAT 双精度浮点型 FLOAT8(DOUBLE PRECISION) DOUBLE 科学数据类型 DECIMAL[p

查看更多 →

合并区块 合并空三建议对有绝对空间参考的空三进行，比如参与合并的空三都经过了控制点绝对定向（区块之间至少保证能有两个及以上的控制点），或PPK的高精度 POS 辅助空三。 父主题： 区块应用

查看更多 →

AR体验。 WebARSDK提供的API，可以将用户、空间及数字内容连接在一起 ，达到厘米级的定位能力和1度以内的定姿能力，实现随时随地高精度的空间计算。在AR地图覆盖区域，用户可进行3D实景步行导引，无需担心GPS信号弱的环境。 工作原理 WebARSDK通过设备传入的图像及传

查看更多 →

接口多样化，支持园区各类子系统/设备接入IoT边缘进行智能管理。 智能制造 面临挑战 无统一标准协议，集成周期长、成本高。 数据采集量大，回传带宽成本高。 数采网关无远程运维能力，运维成本高。 数据隐私安全保护，选择性上云。 解决方案 支持工业典型PLC和总线协议，复杂资产建模。 边缘数据处理（清洗、计算、质量监控等）。

查看更多 →

TE-V/5G通信、高精度定位、云计算技术道路的数字化感知，向交通参与方提供信息，助力交通运行。 路网数字化服务 提供以下功能： 建立交通事件，下发至路侧单元，路侧单元转发给车载单元。主要场景为车内标牌、恶劣天气类事件。 城市/区域交通实时监控，覆盖交通事故数、联接车辆数、拥堵路段、车型分布

查看更多 →

通事件），支持多种接入方式和接入协议（MQTT、CoAP、HTTPS等），满足各类设备和接入场景要求。 边缘智能 基于昇腾AI芯片，实现高精度的交通状态计算能力。 边云协同 基于开放的边缘计算架构，实现边缘智能算法更新、边缘管理规则更新和全局状态监控等能力。 经济部署 优化边缘感

查看更多 →

多模态数据分析能力，保证园区场景业务的高效闭环。 面向泛园区场景提供多种智能分析算法，基于深度学习等领先技术，保证人、车辆、事件、行为的高精度感知和处理。 通过视频分析、图像处理和 自然语言处理 技术，对园区和城市治理中的视频、图片和文本数据进行多模态联合分析，充分挖掘数据潜在关联性。

查看更多 →

实景三维建模为智慧城市可视化提供基础数据支撑，为城区提供常态化、自动化3D数字沙盘建模云服务，助力智慧城市一张图的打造。 智慧水利 通过以实景三维数据为基础，高精度还原全流域场景，为智慧水利治理提供可视化、直观化的环境信息和空间信息，实现水利监测、数据支撑、综合监督的一体化全过程管理。 智慧矿山 通过

查看更多 →

多模态数据分析能力，保证园区场景业务的高效闭环。 面向泛园区场景提供多种智能分析算法，基于深度学习等领先技术，保证人、车辆、事件、行为的高精度感知和处理。 通过视频分析、图像处理和自然语言处理技术，对园区和城市治理中的视频、图片和文本数据进行多模态联合分析，充分挖掘数据潜在关联性。

查看更多 →

多模板分类工作流 OBS 2.0支持自然语言处理套件 自然语言处理套件为客户提供自然语言处理的自定制工具，旨在帮助客户高效地构建行业、领域的高精度文本处理模型，可应用于政府、金融、法律等行业。 已发布北京四区域 自然语言处理套件 OBS 2.0支持通用文本分类工作流 自然语言处理套件

查看更多 →

型中的节点名称。当模型存在动态shape输入时必须提供。例如“input_name1:?,h,w,c”，该参数必填，其中“?”为batch数，表示1次处理的图片数量，需要根据实际情况填写，用于将动态shape的原始模型转换为固定shape的离线模型。 如果存在多个输入，请以分号（;）隔开。

查看更多 →

型中的节点名称。当模型存在动态shape输入时必须提供。例如“input_name1:?,h,w,c”，该参数必填，其中“?”为batch数，表示1次处理的图片数量，需要根据实际情况填写，用于将动态shape的原始模型转换为固定shape的离线模型。 如果存在多个输入，请以分号（;）隔开。

查看更多 →

向量维度。 neighbors 图节点邻居数，默认值为64。 dim_size 每一维度值所需的字节数，默认为float类型，需要4字节。 num 向量总条数。 delta 元数据大小，该项通常可以忽略。 frag_num 量化编码时的向量分段数，创建索引时如果未配置该值，则由向量维度“dim”决定。

查看更多 →

向量维度。 neighbors 图节点邻居数，默认值为64。 dim_size 每一维度值所需的字节数，默认为float类型，需要4字节。 num 向量总条数。 delta 元数据大小，该项通常可以忽略。 frag_num 量化编码时的向量分段数，创建索引时如果未配置该值，则由向量维度“dim”决定。

查看更多 →

inv_freq.npu() 问题7：使用Qwen2-7B、Qwen2-72B模型有精度问题，重复输出感叹号 检查【配置环境变量】章节中，高精度模式的环境变量是否开启 父主题： 主流开源大模型基于Lite Cluster适配PyTorch NPU推理指导（6.3.909）

查看更多 →

inv_freq.npu() 问题7：使用Qwen2-7B、Qwen2-72B模型有精度问题，重复输出感叹号 检查【配置环境变量】章节中，高精度模式的环境变量是否开启 父主题： 主流开源大模型基于DevServer适配PyTorch NPU推理指导（6.3.908）

查看更多 →

inv_freq.npu() 问题7：使用Qwen2-7B、Qwen2-72B模型有精度问题，重复输出感叹号 检查【配置环境变量】章节中，高精度模式的环境变量是否开启 父主题： 主流开源大模型基于Standard适配PyTorch NPU推理指导（6.3.910）

查看更多 →

iLens云服务纳管边缘 服务器 并将技能下发到边缘服务器。 方案优势 算法高效高精度 采用先进的深度学习、AR算法，深入研究各行业业务场景，提高技术在复杂场景中的适配度，支持多终端视觉定位导航，高效高精度大场景重建，厘米级定位精度、毫秒级位姿输出。 端边云协同架构 端边云协同架构支

查看更多 →

准备模型文件和权重文件OBS路径下的文件传输至/home/mind/model路径下。 --tensor-parallel-size：并行卡数。此处举例为1，表示使用单卡启动服务。 --host：服务部署的IP，使用本机IP 0.0.0.0。 --port：服务部署的端口8080。

查看更多 →