x86_64架构的操作系统为例，获取Docker安装包。您可以使用以下指令安装Docker。关于安装Docker的更多指导内容参见Docker官方文档。 curl -fsSL get.docker.com -o get-docker.sh sh get-docker.sh 如果docker images命令

查看更多 →

详细指导 准备数据 在使用第二相面积含量测定工作流开发应用之前，您需要提前准备用于模型训练的数据，上传至OBS中。 准备数据 选择数据 在使用第二相面积含量测定工作流开发应用时，您需要新建或导入训练数据集，后续训练模型操作是基于您选择的训练数据集。 选择数据 标注数据 针对已经选择

查看更多 →

。 步骤1：准备训练数据 步骤2：订阅算法 步骤3：使用订阅算法创建训练作业 步骤4：创建AI应用 步骤5：部署为在线服务（CPU） 步骤6：清除资源 费用说明：本案例使用过程中，从AI Gallery下载数据集和订阅算法免费，在ModelArts上运行训练作业推荐使用免费资源，

查看更多 →

详细指导 准备数据 在使用刹车盘识别工作流开发应用之前，您需要提前准备用于模型训练的数据，上传至OBS中。 准备数据 选择数据 在使用刹车盘识别工作流开发应用时，您需要新建或导入训练数据集，后续训练模型操作是基于您选择的训练数据集。 由于模型训练过程需要有标签的数据，如果您上传未标注数据，需要手动标注数据。

查看更多 →

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 →

0 到 1 制作 自定义镜像 并用于训练（MindSpore+Ascend） 场景描述 Step1 创建OBS桶和文件夹 Step2 准备脚本文件并上传至OBS中 Step3 制作自定义镜像 Step4 上传镜像至SWR Step5 在ModelArts上创建Notebook并调试 Step6

查看更多 →

管理AI应用简介 AI开发和调优往往需要大量的迭代和调试，数据集、训练代码或参数的变化都可能会影响模型的质量，如不能统一管理开发流程元数据，可能会出现无法重现最优模型的现象。 ModelArts的AI应用可导入所有训练生成的元模型、上传至 对象存储服务 （OBS）中的元模型和容器镜像中的元模

查看更多 →

计费相关 如何查看ModelArts中正在收费的作业？ 如何查看ModelArts消费详情？ ModelArts上传数据集收费吗？ ModelArts标注完样本集后，如何保证退出后不再产生计费？ ModelArts自动学习所创建项目一直在扣费，如何停止计费？ 如果不再使用ModelArts，如何停止收费？

查看更多 →

x86_64架构的操作系统为例，获取Docker安装包。您可以使用以下指令安装Docker。关于安装Docker的更多指导内容参见Docker官方文档。 curl -fsSL get.docker.com -o get-docker.sh sh get-docker.sh 如果docker images命令

查看更多 →

使用自定义镜像创建训练作业时，需要您熟悉docker软件的使用，并具备一定的开发经验。详细步骤如下所示： Step1 创建OBS桶和文件夹 Step2 准备脚本文件并上传至OBS中 Step3 制作自定义镜像 Step4 上传镜像至SWR Step5 在ModelArts上创建Notebook并调试

查看更多 →

Step5 在ModelArts上创建Notebook并调试 将上传到SWR上的镜像注册到ModelArts的镜像管理中。 登录ModelArts管理控制台，在左侧导航栏中选择“镜像管理 ”，单击“注册镜像”，根据界面提示注册镜像。注册后的镜像可以用于创建Notebook。 在N

查看更多 →

ModelArts训练作业无法解析参数，日志报错 问题现象 ModelArts训练作业无法解析参数，遇到如下报错，导致无法正常运行： error: unrecognized arguments: --data_url=xxx://xxx/xxx error: unrecognized

查看更多 →

ModelArts训练和推理分别对应哪些功能？ ModelArts训练包括自动学习、训练管理、专属资源池-训练/开发环境功能。 ModelArts推理包括AI应用管理、部署上线功能。 父主题： 一般性问题

查看更多 →

依赖策略项 支持的功能 配置建议 训练管理 ModelArts modelarts:trainJob:* modelarts:trainJobLog:* modelarts:aiAlgorithm:* modelarts:image:list modelarts:network:get

查看更多 →

登录OBS管理控制台，在ModelArts同一区域内创建桶。如果已存在可用的桶，需确保OBS桶与ModelArts在同一区域。 参考上传文件，将本地数据上传至OBS桶中。如果您的数据较多，推荐OBS Browser+上传数据或上传文件夹。上传的数据需满足此类型自动学习项目的数据集要求。 在上

查看更多 →

“obs://test-modelarts/pytorch/demo-code/” 用于存储训练脚本文件。 “obs://test-modelarts/pytorch/log/” 用于存储训练日志文件。 Step2 准备训练脚本并上传至OBS 准备本案例所需的训练脚本“pytorch-verification

查看更多 →

Browser+使用方法请参见OBS Browser+工具指南。 步骤2：创建数据集 登录ModelArts管理控制台，根据要求完成访问权限配置。 在左侧菜单栏中选择“数据管理>数据集”。 在数据集管理页面，单击“创建数据集”。在“创建数据集”页面，“数据集输入位置”选择步骤1：准备数据中上传的数据存储目录（OB

查看更多 →

详细指导 准备数据 在使用通用实体抽取工作流开发应用之前，您需要提前准备用于模型训练的数据，上传至OBS中。 准备数据 选择数据 在使用通用实体抽取工作流开发应用时，您需要新建或导入数据集，后续训练模型操作是基于您选择的数据集。 选择数据 训练模型 选择训练数据后，基于已标注的训练数据，

查看更多 →

getenv('ENV_NAME') # 启动训练任务：使用user_command（shell命令）方式启动训练任务 # 注意：训练启动默认的工作路径为"/home/ma-user/modelarts/user-job-dir"，而代码上传路径为"./resnet/${code_dir}"下

查看更多 →

0 到 1 制作自定义镜像并用于训练（MindSpore+Ascend） 场景描述 Step1 创建OBS桶和文件夹 Step2 准备脚本文件并上传至OBS中 Step3 制作自定义镜像 Step4 上传镜像至SWR Step5 在ModelArts上创建Notebook并调试 Step6

查看更多 →

要用到Summary数据。 Summary数据可以直接传到开发环境的这个路径下/home/ma-user/work/，也可以放到OBS并行文件系统中。 Summary数据上传到Notebook路径/home/ma-user/work/下的方式，请参见上传数据至Notebook。

查看更多 →