分子属性预测（MPP） ADMET属性预测接口 ADMET属性预测接口(默认+自定义属性) 父主题： API（AI辅助药物设计）

查看更多 →

"properties": {} }] } } } } } 请求样例 该模式下的推理方式均为输入“JSON”格式的待预测数据，预测结果以“JSON”格式返回。示例如下： 页面预测 在服务详情的“预测”页签，输入预测代码，单击“预测”即可获取检测结果。

查看更多 →

设置在线服务的“名称”，将“是否自动停止”功能启用。 在“选择AI应用及配置”区域中，系统将自动选择上一步中选择的模型及其版本， 在“计算节点规格”右侧下拉框中选择使用“CPU：2核 8GB”资源部署在线服务。 其他参数使用默认值。 图7 部署为在线服务 在“规格确认”页面，确认信息完毕后，单击“提交”。

查看更多 →

查看容量排名 提供用户查看已关联的资源容量排名的能力。 操作场景 通过Cloud Operations Center查看已关联的资源容量排名。 操作步骤 登录COC。 在左侧菜单栏选择“资源管理 > 应用资源管理”，进入“应用资源管理”页面，选择“应用管理”页签，单击“容量”。 图1

查看更多 →

进行容量风险识别 使用场景 当用户期望能预测资源的负载情况，识别出高负载资源时，可以使用该功能进行辅助预测。 操作步骤 登录管理控制台。 选择“服务列表 > 管理与监管 > 优化顾问”优化顾问服务页面。 左侧导航树选择“容量优化”。 页签默认为“风险识别”，单击“配置”。 点击“

查看更多 →

设置容量阈值 NetEco系统已预置了机柜的U空间、制冷、承重、网络、配电和空闲机柜判定的参考阈值，用户可根据实际情况自定义阈值。当设备实际运行参数超过容量阈值时，机柜视图会显示为不同的颜色。 前提条件 已具备“容量阈值设置”的操作权限。 操作步骤 选择“运营管理 > 容量管理 >

查看更多 →

了解容量管理 容量报表与统计 统计与分析机房容量使用情况，输出容量报表，为用户全面掌控机房能源使用效率、不断优化PUE（Power Usage Effectiveness，能源使用效率）和提高单位能耗产出提供数据支撑。 容量报表 支持按照指定范围（如：机房、楼层）、指定时间输出容量类报表，包含的容量报表如下：

查看更多 →

设置容量开关 用户可选择是否开启资产自动上架功能、是否显示“容量规划”网格、是否开启区分业务机柜功能、是否开启设计供电功率功能以及是否开启相邻U位不可用功能。 前提条件 已具备“容量开关设置”的操作权限。 操作步骤 选择“运营管理 > 容量管理 > 容量配置”。 在左侧导航栏中，

查看更多 →

容量变更 操作场景 随着业务数据的增加，原来申请的数据库存储容量不能满足需求，这时，您可以变更实例的磁盘容量。 使用须知 存储容量变更目前既支持扩容，也支持缩容。 为了避免影响业务访问，建议当存储容量使用率超过80%时，及时进行存储扩容。 缩容场景下，待变更到的磁盘容量必须大于已用量的125%，向上取整。

查看更多 →

，单击“扩容”。 在“磁盘变更”页面，选择空间大小，单击“下一步”。 每次变更最小容量为10GB，实例所选容量大小必须为10的整数倍，最小磁盘容量为40GB，最大磁盘容量为4000GB。 磁盘容量范围跟实例当前磁盘使用量有关，具体以页面显示为准。 规格确认。 重新选择：单击“上一步”，回到上个页面，修改新增空间大小。

查看更多 →

准确地预测未来的需求，评估工作负载的资源需求。 使预测与工作负载目标保持一致 为了确保预测与工作负载目标保持一致，需要定期对预测进行评估，比较实际结果与预测结果，根据需要对容量预测模型进行调整。例如新的应用或服务添加到系统中，那么容量预测模型就需要考虑这些新的容量需求。预测与工作

查看更多 →

GBDT PMML模型预测 概述 读取由scikit-learn等平台生产的GBDT的PMML模型文件，并对新的数据进行预测。当前只支持GBDT的分类模型。预测的结果包含预测的类别及其概率，以及一个包含各个类别，及其概率的详细信息字段。 输入 参数 子参数 参数说明 inputs

查看更多 →

lse代表是keras模型。 keras_model_config_path 是 模型结构存放在OBS上的完整路径。在keras中通过model.to_json()可得到模型结构。 keras_weights_path 是 模型权值存放在OBS上的完整路径。在keras中通过model

查看更多 →

创建实时预测作业 前提条件 空间组建完成，参考组建空间。 空间成员完成计算节点部署，配置参数时选择挂载方式和数据目录，参考部署计算节点。 空间成员在计算节点中完成数据发布，参考发布数据。 约束限制 避免作业名重复。 必须选择一个已有的FiBiNet模型才能创建实时预测作业。 实时

查看更多 →

创建联邦预测作业 企业A单击“联邦预测 > 批量预测 > 创建”按钮，进入联邦预测作业的创建页面。企业A需要通过“算法类型”、“训练作业”等筛选条件可以找到用于预测的模型，点选使用的模型后单击“确定”按钮即完成联邦预测作业的创建。 父主题： 使用 TICS 联邦预测进行新数据离线预测

查看更多 →

单击“确定”，主叫号码选择完成。返回选择主叫号码页面，单击“确定”，主叫号码配置完成。 当您需要查看任务结果时，您可以单击“某个任务”进入外呼任务详情，在外呼任务详情页面点击外呼结果，查看针对每一个客户的外呼结果。 在外呼结果页面，您可以： 单击“详情”可查看您所配置的该客户的全部被叫号码的所有外呼结果 单击“

查看更多 →

lse代表是keras模型。 keras_model_config_path 是 模型结构存放在OBS上的完整路径。在keras中通过model.to_json()可得到模型结构。 keras_weights_path 是 模型权值存放在OBS上的完整路径。在keras中通过model

查看更多 →

创建批量预测作业 前提条件 空间组建完成，参考组建空间。 空间成员完成计算节点部署，配置参数时选择挂载方式和数据目录，参考部署计算节点。 空间成员在计算节点中完成数据发布，参考发布数据。 约束限制 避免作业名重复。 必须选择一个已有模型才能创建批量预测作业。 批量预测作业必须选择一个当前计算节点发布的数据集。

查看更多 →

删除实时预测作业 删除实时预测作业 用户登录进入计算节点页面。 在左侧导航树上依次选择“作业管理 > 联邦预测”，打开联邦预测作业页面。 在“联邦预测”页面实时预测tab页，查找待删除的作业，单击“删除”。如果作业处于“部署完成“状态，需要单击“停止部署”后，方可删除。 删除操作无法撤销，请谨慎操作。

查看更多 →

关联预测算法（link_prediction） 功能介绍 根据输入参数，执行link_prediction算法。 关联预测算法（link_prediction）给定两个节点，根据Jaccard度量方法计算两个节点的相似程度，预测节点之间的紧密关系。 URI POST /ges/v1

查看更多 →

统计该管理域下已用端口数/总端口数。 容量使用趋势 按月统计机柜、U空间、电力、制冷和网络端口使用率。 说明： 默认展示最近12个月的数据。 容量使用比率 统计机柜、U空间、电力、制冷和网络端口的使用比率。 说明： “容量使用趋势”默认展示最近12个月的数据，“容量使用比率”默认展示当月的数据。 容量使用情况

查看更多 →