模型选择 目前，学件已经集成了几十维到上百维不同种类的特征库，源于历史各类Case和通用KPI异常检测的算法库。通过数据的特征画像，可以实现自动化的特征推荐和算法推荐。 单击“特征画像”左下方的“模型选择”。 新增“模型选择”内容，如图1所示。 图1 模型选择 单击“模型选择”代码框左侧的图标，运行代码。

查看更多 →

选择数据 在使用通用文本分类工作流开发应用时，您需要选择训练数据集，后续训练模型操作是基于您选择的训练数据集。 训练数据集可以选择创建一个新的数据集，也可以选择导入在 自然语言处理 套件其他应用中已创建的文本数据集。 新建数据集 导入数据集 前提条件 已在自然语言处理套件控制台选择“

查看更多 →

选择数据 在使用零售商品识别工作流开发应用时，您需要选择训练数据集，后续训练模型操作是基于您选择的训练数据集。 训练数据集可以选择创建一个新的数据集，也可以选择导入基于零售商品识别工作流创建的其他应用中已创建的数据集。 新建训练数据集 导入数据集 前提条件 已在视觉套件控制台选择

查看更多 →

选择数据 在使用云状识别工作流开发应用时，您需要选择训练数据集，后续训练模型操作是基于您选择的训练数据集。 训练数据集可以选择创建一个新的数据集，也可以选择导入基于云状识别工作流创建的其他应用中已创建的数据集。 新建训练数据集 导入数据集 前提条件 云状识别工作流支持将服务一键部

查看更多 →

语种选择 图元展示 参数介绍 语种选择图元的参数如下图所示。 图元参数说明如下： 节点类型：语种选择，不可以修改。 节点名称：画布上显示的图元名称。 选择语种：语种选择，可以将后续流程根据语种区分不同的分支。当前支持中文、英文、葡萄牙语、泰语和西班牙语、法语、阿拉伯语，可选值由音视频资源管理中配置的语种决定。

查看更多 →

级联选择 选项信息是一对多的关系，且具有层次性和联动性，多用于创建主类目和所属下级子类目的场景，多用于部门选择，城市选择（比如省市区）等包含有层次关系的场景，以下拉框的形式展示。 在表单开发页面，从“高级组件”中拖拽“级联选择”组件至表单设计区域，如图1。 图1 级联选择 属性

查看更多 →

环境选择 环境是基因容器服务所需要使用的计算资源的集合。基因容器的环境由云容器实例和云容器引擎提供。 云容器实例 云容器实例（Cloud Container Instance，CCI）服务提供 Serverless Container（无 服务器 容器）引擎，让您无需创建和管理服务器

查看更多 →

角色选择 完成HCPN入驻的合作伙伴可选择加入伙伴发展路径，获得对应的权益。 操作步骤 使用合作伙伴账号登录华为云。 单击页面右上角账号下拉框中的“伙伴中心”，进入伙伴中心。 在“主页”中的发展路径模块，单击“探索发展路径”。 在探索发展路径页面，选择软件伙伴发展路径，单击“选择该路径”。

查看更多 →

选择模板 如何选择模板？ 企业门户模板市场包含多终端独立版3000多套模板和多终端自适应版3300多套模板，覆盖100多个行业，7大色系。使用模板可以使网站呈现出模板所拥有的界面控件及样式，大大缩短网站的编辑时间。 多终端独立版模板分为免费模板和付费模板，其中免费模板600套，已

查看更多 →

创建DDS实例时，如何选择规格和节点 实例规格越高，性能越好。DDS支持的实例规格请参见数据库实例规格。 相同实例规格下，节点数越多，性能越好。性能相关信息请参见性能白皮书。 建议根据业务实际的测试数据选择规格，并考虑可靠性冗余，和未来业务增长，适当预留一些资源。 对于集群实例，

查看更多 →

如何选择数据节点RDS for MySQL的规格 数据节点RDS for MySQL的规格建议不小于DDM的规格，否则会产生木桶效应，影响性能。 示例： Q：例如DDM是8核16GB，那么RDS for MySQL的规格应该选多少？应该选择主备还是单机架构？ A：根据最佳实践结果，一般建议DDM和RDS

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 →

的高性能云计算，多样性算力，大数据等技术加速计算过程。 支持十亿节点、百亿边的超大规模图数据库查询，提供适用于基因和生物网络数据的图深度学习算法。 拥有基于基因组数据自动深度学习的技术框架AutoGenome，深度融合人工智能技术，产生更加便捷、快速、准确、可解释的医疗智能模型，加速医疗大健康行业的研究工作。

查看更多 →

网信算备520111252474601240045号 算法基本原理 分身数字人驱动算法是指通过深度学习生成数字人驱动模型，模型生成后，输入音频来合成数字人视频的一种技术。 其基本情况包括： 输入数据：真人视频、音频。 算法原理：通过深度学习算法来学习真人视频，生成驱动该真人形象的数字人模型。通过该模型输入音频，合成数字人视频。

查看更多 →

T4卡。 请按需选择您所需要的类型和规格。 规格 表3 G6v型 弹性云服务器 的规格 规格名称 vCPU 内存 （GiB） 最大带宽/基准带宽 （Gbps） 最大收发包能力 （万PPS） 网卡多队列数 GPU 显存 （GiB） 虚拟化类型 g6v.2xlarge.2 8 16 6/2 35

查看更多 →

单击图标，运行“删除列”代码框内容。 选择列 如果数据的特征量大，而大多数特征对模型训练无效，可通过“选择列”保留仅对模型训练有意义的特征。 操作步骤如下所示。 单击界面右上角的图标，选择“数据处理 > 特征选择 > 选择列”，界面新增“选择列”内容。 对应参数说明，如表2所示。

查看更多 →

选择数据 在使用刹车盘识别工作流开发应用时，您需要选择训练数据集，后续训练模型操作是基于您选择的训练数据集。 训练数据集可以选择创建一个新的数据集，也可以选择导入基于刹车盘识别工作流创建的其他应用中已创建的数据集。 新建训练数据集 导入数据集 前提条件 刹车盘识别工作流支持将服务

查看更多 →

“标签解析”中查看标签样本的统计数据，横轴为“标签”，纵轴为标签对应的有效“样本数”。 图6 标签解析 后续操作 在“数据选择”页面选择训练数据集，并针对未标注的数据进行数据标注，然后单击“下一步”，进入应用开发的“模型训练”步骤，详细操作指引请参见训练模型。 父主题： 多语种文本分类工作流

查看更多 →

选择数据 在使用通用实体抽取工作流开发应用时，您需要选择训练数据集，后续训练模型操作是基于您选择的训练数据集。 训练数据集可以选择创建一个新的数据集，也可以选择导入在自然语言处理套件其他应用中已创建的文本数据集。 新建数据集 导入数据集 前提条件 已在自然语言处理套件控制台选择“

查看更多 →

选择数据 在使用无监督车牌检测工作流开发应用时，您需要选择训练数据集，后续训练模型操作是基于您选择的训练数据集。 训练数据集可以选择创建一个新的数据集，也可以选择导入基于无监督车牌检测工作流创建的其他应用中已创建的数据集。 新建训练数据集 导入数据集 前提条件 已在视觉套件控制台

查看更多 →

ts的数据标注页面，开始手动标注数据。 图6 数据集标注任务 查看标签解析 新建并选择训练数据集后，针对已标注的数据，在“标签解析”中查看标签样本的统计数据，横轴为“标签”，纵轴为标签对应的有效“样本数”。 图7 标签解析 后续操作 选择训练数据集后，单击右下角的“下一步”，进入

查看更多 →