MOL 3D Viewer Mol 3D Viewer工具支持查看蛋白质和小分子的3D结构。单击“功能模块 > 通用工具 > MOL 3D Viewer”，进入MOL 3D Viewer页面即可操作。 主要功能包括： 本地分子结构的3D可视化，支持多种显示样式，支持本地文件拖拽进画布区域进行渲染。

查看更多 →

Online、TensorFlow和Jupyter Notebook开发深度学习模型 本实践主要讲解如何在CodeArts IDE Online中使用TensorFlow和Jupyter Notebook完成神经网络模型的训练，并利用该模型完成简单的图像分类。

查看更多 →

企业无法提供合格的倾斜摄影测量原始数据 3D模型智能优化 企业无法提供合格的倾斜摄影测量模型 3D单体构建 企业无法提供合格的倾斜摄影测量模型 3D模型发布服务 不含企业业务数据 3D室内数据预处理 企业无法提供蓝图或激光点云数据 3D模型重建-建筑场景 企业无法提供蓝图、激光点云或CAD等数据 3D模型重建-装修场景

查看更多 →

伴，可以实现如下业务效果： AR智慧巡检，用户穿戴AR设备融入3D数字化信息，完成设备巡检、异常上报、信息录入等工作。设备自动化识别，当用户走到设备附近，设备参数标准参数自动触发显示，和后台数据在视野中实时呈现；3D隐藏结构展示，快速赋能巡检作业新员工；巡检信息后台数据比对，异常

查看更多 →

超参说明 超参 说明 学习率 影响模型收敛程度，决定了模型在每次更新权重时所采用的步长。学习率过高，模型可能会过度调整权重，导致不稳定的训练过程；如果学习率过低，模型训练速度会变慢，甚至陷入局部最优。 batch size 影响训练速度，有时候也会影响模型精度。 micro batch

查看更多 →

确认学习结果 HSS学习完白名单策略关联的 服务器 后，输出的学习结果中可能存在一些特征不明显的可疑进程需要再次进行确认，您可以手动或设置系统自动将这些可疑进程确认并分类标记为可疑、恶意或可信进程。 学习结果确认方式，在创建白名单策略时可设置： “学习结果确认方式”选择的“自动确认可

查看更多 →

将yaml文件中的per_device_train_batch_size调小，重新训练如未解决则执行下一步。 替换深度学习训练加速的工具或增加zero等级，可参考各个模型深度学习训练加速框架的选择，如原使用Accelerator可替换为Deepspeed-ZeRO-1，Deepspee

查看更多 →

获取模型网络权重，进行权重格式转换；支持客户进行数据集封装，打通适配模型的训练、微调、在线推理流程；支持客户进行模型的并行化改造，处理适配模型运行过程中的技术问题。 模型迁移与调优支持：调研客户业务场景，支持客户分析模型代码结构，分析迁移可行性，设计迁移方案。支持客户进行模型迁移

查看更多 →

小。在深度学习中，微调用于改进预训练模型的性能。 2 生成模型服务 将已有模型部署为模型服务 接入模型服务 支持通过API接入模型服务，同时支持将平台预置模型进行微调后，部署为模型服务，模型服务可以在创建Agent时使用或通过模型调用接口调用。 3 调测模型 通过调测模型，可检验

查看更多 →

因查询和搜索请求造成的数据泄露。 可信联邦学习 可信联邦学习是 可信智能计算服务 提供的在保障用户数据安全的前提下，利用多方数据实现的联合建模，曾经被称为联邦机器学习。 联邦预测作业 联邦预测作业在保障用户数据安全的前提下，利用多方数据和模型实现样本联合预测。 可信智能计算 节点 数据

查看更多 →

服务型数字人：利用深度神经网络进行图像合成、高度拟真的虚拟人。 具备如下特点： 2D模型，通过拍摄真人视频训练生成 无表情&骨骼数据 只能由AI驱动 使用既定表情&动作 IP型数字人：由计算机图形学技术创造出来的与人类形象高度接近的数字化形象。 具备如下特点： 3D模型，通过艺术设计生成

查看更多 →

大模型开发基本概念 大模型相关概念 概念名 说明 大模型是什么 大模型是大规模预训练模型的简称，也称预训练模型或基础模型。所谓预训练模型，是指在一个原始任务上预先训练出一个初始模型，然后在下游任务中对该模型进行精调，以提高下游任务的准确性。大规模预训练模型则是指模型参数达到千亿、

查看更多 →

法。 学习率：优化算法的参数，决定优化器在最优方向上前进步长的参数。默认0.1。 初始梯度累加和：梯度累加和用来调整学习步长。默认0.1。 L1正则项系数：叠加在模型的1范数之上，用来对模型值进行限制防止过拟合。默认0。 L2正则项系数：叠加在模型的2范数之上，用来对模型值进行限制防止过拟合。默认0。

查看更多 →

，敬请期待后续更新。 父主题： 基于CodeArts IDE Online、TensorFlow和Jupyter Notebook开发深度学习模型

查看更多 →

模型数据集支持 模型评测支持多种数据集格式，包括Octopus格式和部分常见开源数据集格式，以下为各类别模型的数据集支持列表和示例。 目标检测2D 目标检测3D 目标追踪2D 目标追踪3D 语义分割2D 语义分割3D 车道线检测 分类 父主题： 模型评测

查看更多 →

3D世界地图 本章节主要介绍3D世界地图组件各配置项的含义。 样式 尺寸位置 图表尺寸：设置图表的宽和高。单位为px。 图表位置：设置图表在画布中的位置。单位为px。 图1 尺寸位置-3D世界地图 添加子组件 地图的子组件包括地图飞线、地图散点、柱状层。 地图飞线 以动态飞线的形

查看更多 →

3D数字人风格管理 查询数字人风格列表 父主题： 3D数字人

查看更多 →

3D数字人视频驱动 创建视频驱动任务 查询视频驱动任务列表 查询视频驱动任务详情 停止视频驱动任务 控制数字人驱动 父主题： 3D数字人

查看更多 →

自动学习简介 自动学习功能介绍 ModelArts自动学习是帮助人们实现模型的低门槛、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 →

Standard模型训练 ModelArts Standard模型训练提供容器化服务和计算资源管理能力，负责建立和管理机器学习训练工作负载所需的基础设施，减轻用户的负担，为用户提供灵活、稳定、易用和极致性能的深度学习训练环境。通过ModelArts Standard模型训练，用户可以专注于开发、训练和微调模型。

查看更多 →

创建3D预标注车道线检测任务 前提条件 在服务控制台“总览”>“我的模型”区域，开通“2D图像生成”服务，具体操作步骤请参考开通我的模型和购买套餐包。 创建任务 在左侧菜单栏中单击“智驾模型服务 > 3D预标注车道线检测”。 单击右上角“创建”。 填写创建任务信息。 图1 创建任务

查看更多 →