loraServer网关上线后，注册LoRa网关。应用已鉴权，在header中携带参数app_key和Authorization: Bearer {accessToken}Status Code: 201 Created

查看更多 →

删除LoRa网关。应用已鉴权，在header中携带参数app_key和Authorization: Bearer {accessToken}Status Code: 204 No Content

查看更多 →

查询单个LoRa网关信息。应用已鉴权，在header中携带参数app_key和Authorization: Bearer {accessToken}Status Code: 200 OK

查看更多 →

为什么一定要定义服务契约？ 企业级系统规模普遍较大，微服务组件众多，所以对服务间接口进行统一管理是企业的关键需求。微服务引擎通过契约管理满足这一需求。 管理角度：通过契约管理，企业中的接口管理者可以统一定义微服务的契约文件（符合接口描述标准的接口定义文件），从而做到规范并协调多个

查看更多 →

LoRA训练 本章节介绍SDXL&SD 1.5模型的LoRA训练过程。LoRA训练是指在已经训练好的模型基础上，使用新的数据集进行LoRA微调以优化模型性能的过程。修改数据集路径、模型路径。脚本里写到datasets路径即可。 run_lora_sdxl中的vae路径要准确写到sdxl_vae

查看更多 →

LoRA训练 本章节介绍SDXL&SD 1.5模型的LoRA训练过程。LoRA训练是指在已经训练好的模型基础上，使用新的数据集进行LoRA微调以优化模型性能的过程。 训练前需要修改数据集路径、模型路径。脚本里写到datasets路径即可。 run_lora_sdxl中的vae路径要准确写到sdxl_vae

查看更多 →

LoRA训练 本章节介绍SDXL&SD 1.5模型的LoRA训练过程。LoRA训练是指在已经训练好的模型基础上，使用新的数据集进行LoRA微调以优化模型性能的过程。 启动SD1.5 LoRA训练服务 使用ma-user用户执行如下命令运行训练脚本。 sh diffusers_lora_train

查看更多 →

为什么一定要定义服务契约？ 企业级系统规模普遍较大，微服务组件众多，所以对服务间接口进行统一管理是企业的关键需求。微服务引擎通过契约管理满足这一需求。 管理角度：通过契约管理，企业中的接口管理者可以统一定义微服务的契约文件（符合接口描述标准的接口定义文件），从而做到规范并协调多个

查看更多 →

LoRA训练 本章节介绍SDXL&SD 1.5模型的LoRA训练过程。LoRA训练是指在已经训练好的模型基础上，使用新的数据集进行LoRA微调以优化模型性能的过程。 启动SD1.5 LoRA训练服务 使用ma-user用户执行如下命令运行训练脚本。 sh diffusers_lora_train

查看更多 →

上线。 创建LoRa网关 LoRa网关作为LoRa Server下的一个子设备，在物联网平台上注册。 创建LoRaWAN设备 LoRaWAN设备作为LoRa Server下的一个子设备，在物联网平台上注册。 业务调试 对接入物联网平台的LoRaWAN设备进行数据上报和命令下发测试，具体操作可参考数据上报和命令下发。

查看更多 →

一定要在云 服务器 中安装Guest OS driver吗？ 云服务器中安装Guest OS driver，可以增强云服务器使用时用户的体验。同时，可以保证云服务器的高可靠性以及稳定性。 Windows操作系统必须安装PV driver和virtio。 Linux操作系统必须使用xe

查看更多 →

一定要在云服务器中安装Guest OS driver吗？ 云服务器中安装Guest OS driver，可以增强云服务器使用时用户的体验。同时，可以保证云服务器的高可靠性以及稳定性。 Windows操作系统必须安装PV driver和virtio。 Linux操作系统必须使用xe

查看更多 →

基于唯传LoRa网关和体验板接入物联网平台（联通用户专用） 场景说明 LoRa（Long Range Radio）是当前应用较广的一种物联网无线接入技术，它最大的特点就是在同样功耗条件下比其他无线接入方式传播的距离更远，实现了低功耗和远距离的统一，它在同样的功耗下比传统的无线射频

查看更多 →

设备固件升级是否一定要按顺序升级？ 固件升级不需要按顺序，可以直接升级到最新版本。如果设备在线，但是固件升级和技能安装一直失败，可以调整时区信息： SSH窗口命令行输入date，看时间是否同步，不同步则请修改： 调整时区，与中国时区一致，执行命令 timedatectl set-timezone

查看更多 →

删除LoRa节点。应用已鉴权，在header中携带参数app_key和Authorization: Bearer {accessToken}Status Code: 204 No Content

查看更多 →

/home/ma-user/work/AscendSpeed/saved_dir_for_output/ 该路径下统一保存生成的 CKPT、P LOG 、LOG 文件。示例中，默认统一保存在“saved_dir_for_output”文件夹下。若用户需要修改，可添加并自定义该变量。 CKPT_SAVE_PATH

查看更多 →

/home/ma-user/work/AscendSpeed/saved_dir_for_output/ 该路径下统一保存生成的 CKPT、PLOG、LOG 文件。示例中，默认统一保存在“saved_dir_for_output”文件夹下。如果用户需要修改，可添加并自定义该变量。 CKPT_SAVE_PATH

查看更多 →

/home/ma-user/ws/llm_train/AscendSpeed/saved_dir_for_output/ 该路径下统一保存生成的 CKPT、PLOG、LOG 文件。示例中，默认统一保存在“saved_dir_for_output”文件夹下。如果用户需要修改，可添加并自定义该变量。 CKPT_SAVE_PATH

查看更多 →

/home/ma-user/ws/llm_train/AscendSpeed/saved_dir_for_output/ 该路径下统一保存生成的 CKPT、PLOG、LOG 文件。示例中，默认统一保存在“saved_dir_for_output”文件夹下。若用户需要修改，可添加并自定义该变量。 CKPT_SAVE_PATH

查看更多 →

loraServer网关上线后，注册LoRa节点。应用已鉴权，在header中携带参数app_key和Authorization: Bearer {accessToken}Status Code: 201 Created

查看更多 →

表示流水线并行中一个micro batch所处理的样本量。在流水线并行中，为了减少气泡时间，会将一个step的数据切分成多个micro batch。 该值与TP和PP以及模型大小相关，可根据实际情况进行调整。 GBS 512 表示训练中所有机器一个step所处理的样本量。影响每一次训练迭代的时长。

查看更多 →