拆分算法概述 支持的拆分算法概览 DDM是一个支持既分库又分表的数据库服务，目前DDM分库函数与分表函数的支持情况如下： 表1 拆分算法概览表 拆分函数 描述 能否用于分库 能否用于分表 MOD_HASH 简单取模 是 是 MOD_HASH_CI 简单取模（大小写不敏感） 是 是

查看更多 →

HyG算法API 执行算法 算法API参数参考 算法结果TXT格式说明 执行DSL算法 DSL语法说明 父主题： 持久化版

查看更多 →

原生算法API 执行算法 算法API参数参考 父主题： 持久化版

查看更多 →

对当前算法进行简单描述，长度不能超过255个字符。 *算法模板 算法模板基于已有内置算法模板，对算法进行自定义。可选的算法类型和算法请参考内置脱敏算法介绍。 相关操作 编辑算法：在脱敏算法页面，单击对应算法操作栏中的“编辑”，即可修改算法参数。 不同算法是否支持编辑和支持修改的参数因实际算法不同有所差异，请以操作界面为准。

查看更多 →

查看算法详情 登录ModelArts管理控制台。 在左侧导航栏中，选择“算法管理”，进入“我的算法”页面。 在“我的算法”列表中，单击算法名称进入详情页。 选择“基本信息”页签可以查看算法信息。 表1 算法基本信息 参数 说明 名称 算法的名称。 ID 算法的唯一标识。 描述 算法的简介。

查看更多 →

购买成功后，在“算法中心 > 算法服务包”中可看到该算法包已购买的路数，在“算法中心 > 我的算法服务”中可看到已购算法包包含的算法清单。 部署算法服务 进入“我的算法服务”，单击目标算法服务“操作”列的“部署”，进入“部署算法”页面。 参考表1填写相关参数。 表1 部署算法参数说明 参数名称

查看更多 →

发布免费算法 在AI Gallery中，您可以将个人开发的算法免费分享给他人使用。 发布算法 用户通过预置框架或 自定义镜像 创建的算法，支持发布到AI Gallery，并分享给其他用户使用。本章节介绍如何发布算法到AI Gallery的操作。 发布操作 在ModelArts控制台“

查看更多 →

发布免费算法 在AI Gallery中，您可以将个人开发的算法免费分享给他人使用。 前提条件 在ModelArts的算法管理中已准备好待发布的算法。创建算法的相关操作请参见创建算法。 创建算法时，算法代码存储的OBS桶内不能存在文件和文件夹重名的情况，这样算法可能会发布失败。如果算法发布成功，则代码开放会失败。

查看更多 →

detection）,具体格式请见filters元素格式。 支持的算法： filtered_n_paths 响应示例 根据输入参数，执行指定算法，查询算法结果（根据算法请求返回的job_id，调用查询job_id接口获取算法结果）。 状态码： 200 成功响应示例 { "data":

查看更多 →

执行算法 功能介绍 根据输入参数，执行指定算法。 URL POST /ges/v1.0/{project_id}/hyg/{graph_name}/algorithm 表1 路径参数 参数 是否必选 类型 说明 project_id 是 String 项目ID。获取方法请参见获取项目ID。

查看更多 →

查询预置算法 示例代码 在ModelArts notebook平台，Session鉴权无需输入鉴权参数。其它平台的Session鉴权请参见Session鉴权。 1 2 3 4 5 from modelarts.session import Session from modelarts

查看更多 →

算法，您需要将AI Gallery的算法订阅至您的ModelArts中。 查找算法 为了获得匹配您业务的算法，您可以通过多个入口区查找算法。 在ModelArts控制台，“算法管理>我的订阅”中，单击“前往AI Gallery订阅更多算法”，可跳转至“AI Gallery”页面，查找相应的算法。

查看更多 →

搜索算法 贝叶斯优化(SMAC) TPE算法 模拟退火算法(Anneal) 父主题： 自动模型优化（AutoSearch）

查看更多 →

案分析和使用约束限制报告。 算法设计与优化服务 对人工智能场景进行算法设计，针对算法技术层面的分析，形成技术方案报告；技术方案报告可帮助算法能力较弱的客户技术人员做后续开发。 原型开发服务 对人工智能场景进行算法原型开发或者优化服务，针对需求调研和算法设计的结果，基于脱敏数据，训

查看更多 →

输出的日志可以在AOM中查看，具体操作请参见在AOM查看日志。 系统日志：边缘节点上IEF软件运行产生的日志。 应用日志：边缘节点上部署的应用产生的日志，例如：算法作业运行产生的日志。 图1 打开系统日志开关 图2 打开应用日志开关

查看更多 →

发布算法工程服务 如果当前算法工程操作流处理效果比较好，可以得到比较优质的训练数据，可以将当前的算法工程发布成服务。支持复用此服务对其他数据进行相同的特征操作。 在JupyterLab环境编辑界面，单击界面右上角的图标。 在弹出的“Publish”框内，设置服务名称“Service

查看更多 →

学习模型。 一站式开发平台使用指南 算法打包 将开发的代码和训练后的模型打包成算法包（RPM格式），以便发布到商城进行交易。 算法调试 将算法包安装到华为SDC上进行调试，验证算法的功能，从而确保发布到商城的算法的可用性。 父主题： 准备算法

查看更多 →

k跳算法（k_hop） 功能介绍 根据输入参数，执行k跳算法。 k跳算法从起点出发，通过宽度优先搜索（BFS），找出k层与之关联的所有节点。找到的子图称为起点的“ego-net”。k跳算法会返回ego-net中节点及其个数。 URI POST /ges/v1.0/{project

查看更多 →

pagerank算法 功能介绍 根据输入参数，执行PageRank算法。 PageRank算法又称网页排名算法，是一种由搜索引擎根据网页（节点）之间相互的超链接进行计算的技术，用来体现网页（节点）的相关性和重要性。 如果一个网页被很多其他网页链接到，说明这个网页比较重要，也就是其PageRank值会相对较高。

查看更多 →

标签传播算法（label_propagation） 功能介绍 根据输入参数，执行label_propagation算法。 标签传播算法（Label Propagation）是一种基于图的半监督学习方法，其基本思路是用已标记节点的标签信息去预测未标记节点的标签信息。利用样本间的关系

查看更多 →

HyG算法结果转存 功能介绍 用于将算法（jobId）的执行结果转存到OBS，供用户查看全量结果。 URI POST /ges/v1.0/{project_id}/hyg/{graph_name}/jobs/{job_id}/export-result 表1 路径参数 参数 是否必选

查看更多 →