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 →

务器，LoRa Server与物联网平台之间通过MQTT协议对接，与LoRa网关之间通过标准IP网络对接。 LoRa网关：LoRa网关向设备提供LoRa网络接入，设备通过LoRa网关对接到LoRa Server。LoRa网关通常也由LoRa服务商提供。 LoRaWAN设备：LoR

查看更多 →

调试应用 将体验板连接到电脑上，并且放在LoRa网关附近。接线方式如下图所示，串口线的白、绿、红、黑依次对应串口 TX、RX、电源，地线对应体验板上的TXD0、RXD0、3V3 以及 GND。 访问sscom，下载最新版本的串口调试工具。 获取PC与开发板连接的实际端口号。 选择“控制面板

查看更多 →

网关管理接口 获取网关实例(专享版) 获取网关分组 父主题： 数据服务API

查看更多 →

接口和协议 表1 接口描述 接口类型 数量及描述 备注 视频输入接口 1×HDMI 1×Type-C OPS场景下HDMI不支持视频输入 视频输出接口 1×HDMI HarmonyOS场景下与LCD屏异源显示 OPS场景下支持与LCD屏同源显示 音频输入接口 1×3.5mm LINE

查看更多 →

LoRaWAN设备接入 LoRa作为低功耗和远距离传输的代表，基于LoRaWAN协议的设备可通过LoRa网络经过LoRa服务商提供的LoRa Server接入物联网平台，实现数据上报和命令下发。 LoRaWAN设备接入 Modbus设备接入 支持Modbus协议的传感器设备和网关，通过直连或

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 →

T协议。我们把用来进行协议转换的网关叫做协议转换网关。 实现原理 方案总体架构框图如下： 协议转换网关是一个网关，可以部署在云上或者本地。第三方协议设备作为协议转换网关的子设备接入平台。 协议转换网关一般由三部分组成： 第三方协议接入。完成第三方协议的解析，鉴权。 协议转换。负责

查看更多 →

通过网关进行数据转发。网关设备为直连设备，当前仅支持通过mqtt协议直连到平台的设备作为网关设备。 直连设备与非直连设备关系如下图： 图1 网关与子设备 业务流程 IoT Device SDK提供相关的接口，开发者调用这些接口网关实现与物联网平台的对接。不同语言的SDK的接口名称不一样，每个接口功能请参见IoT

查看更多 →

支持的数据与协议 数据集成 数据集成任务支持的数据源相关信息如表1所示。 表1 数据集成支持的数据源 数据源类型 支持的版本 普通任务的源端 普通任务的目标端 组合任务的源端 组合任务的目标端 API - 支持 支持 不支持 不支持 ActiveMQ 5.15.9 支持 支持 不支持

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 →

d/tokenizers/llama2-13B 该参数为tokenizer文件的存放地址。默认与ORIGINAL_HF_WEIGHT路径相同。若用户需要将Hugging Face权重与tokenizer文件分开存放时，则需要修改参数。 INPUT_PROCESSED_DIR /h

查看更多 →

Face权重（可与tokenizer相同文件夹）时，对应的存放地址。请根据实际规划修改。 TOKENIZER_PATH /home/ma-user/work/tokenizers/llama-2-13b-chat-hf 该参数为tokenizer文件的存放地址。默认与ORIGINA

查看更多 →

cro 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。 TP 8 表示张量并行。 PP 1 表示流水线并行。一般此值与训练节点数相等，与权重转换时设置的值相等。 CP

查看更多 →

Face权重（可与tokenizer相同文件夹）时，对应的存放地址。请根据实际规划修改。 TOKENIZER_PATH /home/ma-user/work/tokenizers/llama-2-13b-chat-hf 该参数为tokenizer文件的存放地址。默认与ORIGINA

查看更多 →

d/tokenizers/llama2-13B 该参数为tokenizer文件的存放地址。默认与ORIGINAL_HF_WEIGHT路径相同。如果用户需要将Hugging Face权重与tokenizer文件分开存放时，则需要修改参数。 INPUT_PROCESSED_DIR /

查看更多 →

必须修改。加载tokenizer与Hugging Face权重时，对应的存放地址。请根据实际规划修改。 对于ChatGLMv3-6B、ChatGLMv4-9B和Qwen系列模型，还需要手动修改tokenizer文件，具体请参见训练tokenizer文件说明。 由于模型中LoRA微调训练存在已知的精度问题，因此不支持TP(tensor

查看更多 →

Face权重（可与tokenizer相同文件夹）时，对应的存放地址。请根据实际规划修改。 TOKENIZER_PATH /home/ma-user/work/tokenizers/llama-2-13b-chat-hf 该参数为tokenizer文件的存放地址。默认与ORIGINA

查看更多 →