查询预置算法 功能介绍 查看预置模型的详情。 URI GET /v1/{project_id}/built-in-algorithms 参数说明如表1所示。 表1 参数说明 参数 是否必选 参数类型 说明 project_id 是 String 用户项目ID。获取方法请参见获取项目ID和名称。

查看更多 →

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 →

加密算法 在安全领域，利用加密算法保证数据的保密性和完整性，防止数据被窃取或泄露。 在“安全”下拉菜单选择数据密盾>加密算法，单击右上角的“编辑”，可选择国际加密算法或中国国密算法。 父主题： 数据密盾

查看更多 →

界面为准。 测试算法：在脱敏算法页面，单击对应算法操作栏中的“测试”，即可测试该算法。 建议您在使用算法之前，使用算法测试功能，以保证自己选择了合适的算法。 不同算法是否支持测试因实际算法不同有所差异，请以操作界面为准。 删除算法：在脱敏算法页面，单击对应算法操作栏中的“删除”，

查看更多 →

如何查看算法日志 登录IEF管理控制台。 选择左侧导航栏的“边缘资源 > 边缘节点”，进入边缘节点列表页面。 单击某个边缘节点的名称，进入边缘节点详情页面。 在“配置”页签下找到“日志配置”，单击“编辑”，在“系统日志”和“应用日志”下开启云端日志开关，并单击“保存”。 输出的日

查看更多 →

ModelArts自动学习功能训练生成的模型，暂时不支持用于HiLens平台。 线下开发 线下开发指您在本地使用自己熟悉的算法模型开发工具，开发算法模型。 当前仅支持TensorFlow和Caffe引擎开发的算法模型，且您开发的模型需保存为“.pb”或“.caffemodel”格式。然后再使用导入（转换）模

查看更多 →

topicrank算法（topicrank） louvain算法（louvain） Bigclam算法（bigclam） Cesna算法（cesna） infomap算法（infomap） 标签传播算法（label_propagation） 子图匹配算法（subgraph matching）

查看更多 →

String 项目ID。获取方法请参见获取项目ID。 graph_name 是 String 图名称。 请求示例 执行指定算法，算法名字为pagerank，算法的权重系数为0.85，收敛精度为0.00001，最大迭代次数为1000，考虑边的方向。 POST http://{SERVER_URL}/ges/v1

查看更多 →

执行DSL算法 功能介绍 提供灵活，可控的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语法介绍。 URI URI 格式 POST /ges/v1.0/{project_id}/graphs/{graph_name}/action?action_id=algorithm-query

查看更多 →

personalrank算法(1.0.0) 表1 parameters参数说明 参数 是否必选 类型 说明 source 是 String 节点的ID。 alpha 否 Double 权重系数(又称阻尼系数)，取值范围为（0,1），默认值为0.85。 convergence 否 Double

查看更多 →

停止算法部署 功能介绍 停止算法部署 调用方法 请参见如何调用API。 URI PUT /v2/{project_id}/algorithm/{alg_id}/deploy/stop 表1 路径参数 参数 是否必选 参数类型 描述 project_id 是 String 用户项目ID，获取方法参见获取项目ID和名称

查看更多 →

算法文件说明 用户可将本地算法文件包上传到Octopus平台，算法文件包需要满足一定要求，请详细阅读本节，有助于用户快速完成算法开发。 算法文件基本要求 算法文件目录结构可参考如下，需要包括启动文件“xxx.py”（启动文件名可自定义），以及一些必要的训练文件。 启动文件（必选）

查看更多 →

聚合算法优化 操作场景 在Spark SQL中支持基于行的哈希聚合算法，即使用快速聚合hashmap作为缓存，以提高聚合性能。hashmap替代了之前的ColumnarBatch支持，从而避免拥有聚合表的宽模式（大量key字段或value字段）时产生的性能问题。 操作步骤 要启动

查看更多 →

部署算法服务 查看算法服务清单 购买算法服务包后，可在“算法中心 > 算法服务”中查看当前可以使用的算法服务清单。 算法服务按场景和来源可分为华为自研云上算法、华为自研边缘算法、非华为自研云上算法和非华为自研边缘算法。其中华为自研云上算法购买后可直接用于视频分析作业，无需手动部署。

查看更多 →

上传算法至SFS 下载Swin-Transformer代码。 git clone --recursive https://github.com/microsoft/Swin-Transformer.git 修改lr_scheduler.py文件，把第27行：t_mul=1. 注释掉。

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）(1.0.0) 表1 parameters参数说明 参数 是否必选 类型 说明 k 是 Integer 跳数，取值范围[1,100]。 num_thread 否 Integer 并发线程数。范围为[1,40]，小于1会自动置为1，大于40则自动置为40。默认值为4。

查看更多 →

Louvain算法(1.0.0) 表1 parameters参数说明 参数 是否必选 说明 类型 取值范围 默认值 convergence 否 收敛精度。 Double 0~1，不包括0和1。 0.00001 max_iterations 否 最大迭代次数。 Integer 1~2000。

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 →