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 →

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 →

Louvain算法 概述 Louvain算法是基于模块度的社区发现算法，该算法在效率和效果上都表现较好，并且能够发现层次性的社区结构，其优化目标是最大化整个社区网络的模块度。 适用场景 Louvain算法适用于社团发掘、层次化聚类等场景。 参数说明 表1 Louvain算法参数说明 参数

查看更多 →

创建联邦学习工程 创建工程 编辑代码（简易编辑器） 编辑代码（WebIDE） 模型训练 父主题： 模型训练

查看更多 →

自动学习（新版） 自动学习简介 图像分类 物体检测 预测分析 声音分类 文本分类 使用窍门

查看更多 →

自动学习（旧版） 自动学习简介 图像分类 物体检测 预测分析 声音分类 文本分类 使用窍门

查看更多 →

自动学习简介 自动学习功能介绍 ModelArts自动学习是帮助人们实现AI应用的低门槛、高灵活、零代码的定制化模型开发工具。自动学习功能根据标注数据自动设计模型、自动调参、自动训练、自动压缩和部署模型。开发者无需专业的开发基础和编码能力，只需上传数据，通过自动学习界面引导和简单操作即可完成模型训练和部署。

查看更多 →

Standard自动学习 使用ModelArts Standard自动学习实现口罩检测 使用ModelArts Standard自动学习实现垃圾分类

查看更多 →

免费体验 自动学习 在ModelArts自动学习功能中，在训练模型和部署上线阶段，可选择免费的计算规格，端到端体验一个自动学习项目，大大降低您的体验成本。 单击此处进入ModelArts管理控制台，参考如下操作指导体验免费规格的使用。 使用场景 自动学习项目分为“数据标注”、“模型

查看更多 →

什么是自动学习？ 自动学习功能可以根据标注的数据自动设计模型、自动调参、自动训练、自动压缩和部署模型，不需要代码编写和模型开发经验。 自动学习功能主要面向无编码能力的用户，其可以通过页面的标注操作，一站式训练、部署，完成AI模型构建。 父主题： 功能咨询

查看更多 →

Code进行白盒化算法开发 操作指导 08:47 基于VS Code进行白盒化算法开发 基于算法套件SDK构建及可视化数据集 操作指导 03:03 基于算法套件构建及可视化数据集 基于算法套件SDK进行交互式推理 操作指导 03:27 基于算法套件SDK进行交互式推理 基于算法套件SDK进行训练

查看更多 →

nin 是该神经元的输入数目。 优化器类型 grad：梯度下降算法 学习率：优化算法的参数，决定优化器在最优方向上前进步长的参数。默认0.001。 adam：自适应矩估计算法 结合AdaGrad和 RMS Prop两种优化算法的优点，对梯度的一阶矩估计（First Moment Est

查看更多 →

深度学习模型预测 深度学习已经广泛应用于图像分类、图像识别和 语音识别 等不同领域， DLI 服务中提供了若干函数实现加载深度学习模型并进行预测的能力。 目前可支持的模型包括DeepLearning4j 模型和Keras模型。由于Keras它能够以 TensorFlow、CNTK或者 Theano

查看更多 →

可信联邦学习作业 概述 创建横向训练型作业 横向联邦训练作业对接MA 创建横向评估型作业 创建纵向联邦学习作业 执行作业 查看作业计算过程和作业报告 删除作业 安全沙箱机制

查看更多 →

创建可信联邦学习作业 联邦建模的过程由企业A来操作，在“作业管理 > 可信联邦学习”页面单击“创建”，填写作业名称并选择算法类型后单击确定即进入联邦建模作业界面。本文逻辑回归算法为例。 父主题： 使用 TICS 可信联邦学习进行联邦建模

查看更多 →

算法API参数参考 算法公共参数 pagerank算法(1.0.0) personalrank算法(1.0.0) k核算法（kcore）(1.0.0) k跳算法（k_hop）(1.0.0) 共同邻居（common_neighbors）(1.0.0) 点集共同邻居(common_n

查看更多 →

执行DSL算法 功能介绍 提供灵活的DSL帮助用户低成本设计并运行算法。DSL算法详细介绍请参考DSL语法说明。 DSL算法执行结束后，用户需使用HyG算法结果转存API将DSL执行结果转存到OBS上。转存之后，您可以通过stdout等文件查看算法结果，由于HyG图是分布式的，结果文件可能有多个，对应不同分区的结果。

查看更多 →

k核算法（kcore） 功能介绍 根据输入参数，执行K核算法。 K核算法是图算法中的一个经典算法，用以计算每个节点的核数。其计算结果是判断节点重要性最常用的参考值之一，较好的体现了节点的传播能力。 URI POST /ges/v1.0/{project_id}/hyg/{graph_name}/algorithm

查看更多 →

算法API参数参考 算法公共参数 最短路径（shortest_path） 点集最短路（shortest_path_of_vertex_sets） 点集共同邻居(common_neighbors_of_vertex_sets) 父主题： 原生算法API

查看更多 →

使用算法分析图 服务为您提供了丰富的基础图算法、图分析算法和图指标算法，您可以使用图算法做关系分析等。 使用算法分析图，具体操作如下： 进入图引擎编辑器页面，详细操作请参见访问图引擎编辑器。 在算法分析区，你可以选择算法，并设置参数。 图引擎服务支持的算法如算法一览表所示，详细算法介绍请参见算法参考。

查看更多 →