虚拟IP 申请虚拟IP地址 管理虚拟IP地址 为虚拟IP地址绑定实例 为虚拟IP地址绑定弹性公网IP 为虚拟IP地址绑定带宽 父主题： 边缘网络

查看更多 →

project_id String 虚拟IGW的租户id 最小长度：0 最大长度：32 vpc_id String 虚拟IGW的vpcid 最小长度：0 最大长度：64 name String 虚拟IGW的名称 最小长度：0 最大长度：255 created_at String 创建时间

查看更多 →

隐藏虚拟按键 功能介绍 隐藏云手机虚拟按键。 使用方法 通过更新云手机属性API接口重启手机更新属性，设置手机属性com.cph.mainkeys=1。 约束 0表示不隐藏，1表示隐藏。 重启生效。 父主题： 使用AOSP功能

查看更多 →

虚拟网关 创建虚拟网关 查询虚拟网关列表 查询虚拟网关详情 更新虚拟网关信息 删除虚拟网关 父主题： API

查看更多 →

虚拟接口 创建虚拟接口 查询虚拟接口列表 查询虚拟接口详情 更新虚拟接口 删除虚拟接口 创建虚拟接口对等体 更新虚拟接口对等体 删除虚拟接口对应的对等体 执行虚拟接口倒换测试 查询虚拟接口倒换测试记录列表 父主题： API

查看更多 →

虚拟接口 虚拟接口是用户本地数据中心通过专线访问VPC的入口，用户创建虚拟接口关联物理连接和虚拟网关，连通用户网关和虚拟网关，实现云下数据中心和云上VPC的互访。 虚拟接口支持静态路由和BGP动态路由协议。在物理专线接入的过程中，您可以使用BGP来实现本地数据中心与虚拟网关之间的

查看更多 →

虚拟药物筛选 创建study 删除study 列举study所有作业 创建study作业 列举study 获取study作业的最值信息 获取生成study作业3D结构的内容 父主题： 项目管理

查看更多 →

String 虚拟IGW的uuid 最小长度：0 最大长度：36 project_id String 虚拟IGW的租户id 最小长度：0 最大长度：32 vpc_id String 虚拟IGW的vpcid 最小长度：0 最大长度：64 name String 虚拟IGW的名称 最小长度：0

查看更多 →

删除虚拟igw 功能介绍 删除虚拟igw 调用方法 请参见如何调用API。 URI DELETE /v3/{project_id}/geip/vpc-igws/{vpc_igw_id} 表1 路径参数 参数 是否必选 参数类型 描述 vpc_igw_id 是 String 最小长度：0

查看更多 →

虚拟网关 创建虚拟网关 查看虚拟网关 修改虚拟网关 删除虚拟网关

查看更多 →

虚拟网关 虚拟网关是物理连接的接入路由器，是实现物理连接访问VPC的逻辑接入网关。虚拟网关与云专线需要直连的VPC绑定，如果用户需要访问多个VPC，则也可通过虚拟网关关联需要访问的VPC网段，通过对等连接或云连接实现访问多个VPC的功能。 一个VPC只能关联一个虚拟网关，多条物理

查看更多 →

更安全：利用AI算法实现对已知和0-day漏洞的精准有效阻断，提升防护水平至99.99%。无需担心供应链攻击威胁，实现真实网络攻防对抗，提升网络安全对抗水平。 更省钱：运维成本降低80%以上，部署简单，无需手动更新规则库，算法减轻运维压力，无需专职运维和攻防知识，降低人员成本，覆盖多种运维场景，实现高效运营模式。

查看更多 →

新建训练工程、联邦学习工程、训练服务或超参优化服务。 名称 模型训练名称。 模型训练工程描述 对模型训练工程的描述信息。 创建时间 训练工程、联邦学习工程、训练服务或者超参优化服务的创建时间。 类型 模型训练的类型。 包含如下选项： 模型训练 联邦学习 训练服务 优化服务 创建者 创建训练工程、联邦

查看更多 →

训练脚本说明 训练启动脚本说明和参数配置 训练的数据集预处理说明 训练中的权重转换说明 训练tokenizer文件说明 父主题： 主流开源大模型基于DevServer适配ModelLink PyTorch NPU训练指导（6.3.907）

查看更多 →

训练脚本说明 训练启动脚本说明和参数配置 训练的数据集预处理说明 训练的权重转换说明 训练tokenizer文件说明 父主题： 主流开源大模型基于Standard+OBS适配PyTorch NPU训练指导（6.3.908）

查看更多 →

训练脚本说明 训练启动脚本说明和参数配置 训练的数据集预处理说明 训练的权重转换说明 训练tokenizer文件说明 父主题： 主流开源大模型基于Standard+OBS+SFS适配PyTorch NPU训练指导（6.3.907）

查看更多 →

int信息初始化训练状态即可。用户需要在代码里加上reload ckpt的代码，使能读取前一次训练保存的预训练模型。 在ModelArts训练中实现增量训练，建议使用“训练输出”功能。 在创建训练作业时，设置训练“输出”参数为“train_url”，在指定的训练输出的数据存储位置

查看更多 →

镜像制作（训练） Octopus平台依赖算子镜像内的/bin/bash、stdbuf、tee软件，请确保基础镜像内包含上述软件且能通过PATH找到。 一般情况下，训练与评测定义为同一个引擎，主要包括算法或评测脚本运行所需要的基本依赖环境。用户可使用命令行模式或Dockerfile

查看更多 →

研发更便捷。训练服务的开发流程如下： 训练服务操作引导如下： 算法管理：负责管理用户上传的符合平台规范的算法。 训练任务：用户选择训练算法和训练数据集创建训练任务进行训练。 模型评测：负责管理评测脚本、评测任务和评测对比任务。 编译管理：包含编译任务和编译镜像。训练产生的模型版本

查看更多 →

打包训练模型 系统支持将训练好的模型归档以及打包成模型包。用户可以基于模型包创建验证服务、训练服务。模型验证服务详情可以在模型验证查看。模型训练服务详情可以在创建训练服务查看。 模型包主要包括模型验证服务的推理主入口函数、算法工程操作流、模型文件等。已发布的模型可以在模型管理查看。

查看更多 →

创建训练任务，详细请参考模型训练。 删除训练任务。 模型训练工程描述 训练服务的描述信息，支持单击“”重新编辑。 切换到其他的训练工程、联邦学习工程、训练服务或超参优化服务的模型训练页面中。 模型训练运行环境信息查看和配置。 新建训练工程、联邦学习工程、训练服务或超参优化服务。 2（模型训练任务） 根据训练状态快速检索训练任务。

查看更多 →