致远互联协同管理解决方案

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 →

Gallery中，共享给其他用户使用。 “资产集市 > 算法”：共享了算法。 AI Gallery的算法模块支持算法的共享和订阅。在AI Gallery的“算法”中，可以查找您想要的算法，订阅满足业务需要的资产，最后推送至ModelArts控制台使用。也可以将个人开发的算法分享发布至AI Gallery中，共享给其他用户使用。

查看更多 →

纵向联邦作业XGBoost算法只支持两方参与训练。 训练作业必须选择一个当前计算节点发布的数据集。 作业创建者的数据集必须含有特征。 创建纵向联邦学习作业 纵向联邦学习作业在本地运行，目前支持XGBoost算法、逻辑回归LR算法和FiBiNET算法。 纵向联邦学习分为五个步骤：数据选择

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 →

型以及模型保存格式。 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“.c

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 →

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”，在“系统日志”和“应用日志”下开启云端日志开关，并单击“保存”。 输出的日志可以在AOM中查看，具体操作请参见在AOM查看日志。

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 →

得到一个或多个机器学习模型。 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 →

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 →