深度学习模型预测 深度学习已经广泛应用于图像分类、图像识别和 语音识别 等不同领域， DLI 服务中提供了若干函数实现加载深度学习模型并进行预测的能力。 目前可支持的模型包括DeepLearning4j 模型和Keras模型。由于Keras它能够以 TensorFlow、CNTK或者 Theano

查看更多 →

深度学习模型预测 深度学习已经广泛应用于图像分类、图像识别和语音识别等不同领域，DLI服务中提供了若干函数实现加载深度学习模型并进行预测的能力。 目前可支持的模型包括DeepLearning4j 模型和Keras模型。由于Keras它能够以 TensorFlow、CNTK或者 Theano

查看更多 →

状态码： 200 新建联邦学习作业成功 { "job_id" : "c098faeb38384be8932539bb6fbc28d3" } 状态码 状态码 描述 200 新建联邦学习作业成功 401 操作无权限 500 内部 服务器 错误 父主题： 可信联邦学习作业管理

查看更多 →

删除联邦学习作业 功能介绍 删除联邦学习作业 调用方法 请参见如何调用API。 URI DELETE /v1/{project_id}/leagues/{league_id}/fl-jobs/{job_id} 表1 路径参数 参数 是否必选 参数类型 描述 project_id 是

查看更多 →

可信联邦学习作业 概述 创建横向训练型作业 横向联邦训练作业对接MA 创建横向评估型作业 创建纵向联邦学习作业 执行作业 查看作业计算过程和作业报告 删除作业 安全沙箱机制

查看更多 →

介绍华为EI服务，ModelArts平台及实验 Python编程基础 介绍Python编程相关的基础知识 人工智能数学基础 介绍数学与人工智能的关系，线性代数、概率论及更优化问题 深度学习预备知识和深度学习概览 介绍深度学习预备知识，深度学习概览 华为云EI概览 介绍华为AI的认知与EI的由来，并详细介绍华为云EI企业智能

查看更多 →

本实例介绍基本的任务操作方法，包含2个不同优先级任务的创建、任务延时、任务锁与解锁调度、挂起和恢复等操作，阐述任务优先级调度的机制以及各接口的应用。前提条件：在menuconfig菜单中完成任务模块的配置。编译运行得到的结果为：sample_task.c

查看更多 →

前提条件：在menuconfig菜单中完成静态内存的配置。本实例执行以下步骤：初始化一个静态内存池。从静态内存池中申请一块静态内存。在内存块存放一个数据。打印出内存块中的数据。清除内存块中的数据。释放该内存块。输出结果如下：sample_membox.c

查看更多 →

在下面的例子中，演示如下功能：注册错误处理钩子函数。执行错误处理函数。代码实现如下：编译运行得到的结果为：sample_err.c

查看更多 →

示例中，任务Example_TaskEntry创建一个任务Example_Event，Example_Event读事件阻塞，Example_TaskEntry向该任务写事件。可以通过示例日志中打印的先后顺序理解事件操作时伴随的任务切换。在任务Example_TaskEntry创建任务Example_Event，其中任务Example_Ev

查看更多 →

在下面的例子中，演示如下功能：软件定时器创建、启动、停止、删除操作。单次软件定时器，周期软件定时器使用方法。前提条件：在menuconfig菜单中完成软件定时器的配置。代码实现如下：得到的结果为：sample_Timer.c

查看更多 →

在下面的例子中，介绍了时间管理的基本方法，包括：时间转换：将毫秒数转换为Tick数，或将Tick数转换为毫秒数。时间统计：每Tick的Cycle数、自系统启动以来的Tick数和延迟后的Tick数。前提条件：使用每秒的Tick数LOSCFG_BASE_CORE_TICK_PER_SECOND的默认值100。配好OS_SYS_CLOCK系统主

查看更多 →

调用原子操作相关接口，观察结果：任务一用LOS_AtomicInc对全局变量加100次。任务二用LOS_AtomicDec对全局变量减100次。sample_atomic.c

查看更多 →

联邦学习作业管理 查询联邦学习作业列表 父主题： 空间API

查看更多 →

创建可信联邦学习作业 联邦建模的过程由企业A来操作，在“作业管理 > 可信联邦学习”页面单击“创建”，填写作业名称并选择算法类型后单击确定即进入联邦建模作业界面。本文逻辑回归算法为例。 父主题： 使用 TICS 可信联邦学习进行联邦建模

查看更多 →

联邦学习作业管理 执行ID选取截断 执行纵向联邦分箱和IV计算作业 执行样本对齐 查询样本对齐结果 父主题： 计算节点API

查看更多 →

约束限制 纵向联邦作业XGBoost算法只支持两方参与训练。 训练作业必须选择一个当前计算节点发布的数据集。 作业创建者的数据集必须含有特征。 创建纵向联邦学习作业 纵向联邦学习作业在本地运行，目前支持XGBoost算法、逻辑回归LR算法和FiBiNET算法。 纵向联邦学习分为五个步骤

查看更多 →

gue_id}/fl-jobs/{job_id} 保存横向联邦学习作业 响应示例 无 状态码 状态码 描述 200 保存横向联邦学习作业成功 401 操作无权限 500 内部服务器错误 父主题： 可信联邦学习作业管理

查看更多 →

本实例实现如下功能：创建一个用于Trace测试的任务。设置事件掩码。启动trace。停止trace。格式化输出trace数据。前提条件：在menuconfig菜单中完成Trace模块的配置。代码实现如下：编译运行得到的结果为：两段数据分别为任务信息和事件信息。任务信息：任务id， 任务优先级， 任务名称。事件信息：发生时间、事件类型、在哪

查看更多 →

本实例实现了在Huawei LiteOS上运行C++的代码。编写C++代码。在运行C++代码之前，先在app_init函数里以NO_SCATTER参数调用LOS_CppSystemInit初始化C++构造函数。在LOS_CppSystemInit之后调用编写好的C++代码。前提条件：通过make menuconfig使能C++支持。C++

查看更多 →

前提条件：在menuconfig菜单中完成动态内存的配置。本实例执行以下步骤：初始化一个动态内存池。从动态内存池中申请一个内存块。在内存块中存放一个数据。打印出内存块中的数据。释放该内存块。输出结果如下：sample_mem.c

查看更多 →