可见范围内的学员在学员端可看见此项目并可以进行学习，学习数据可在学习项目列表【数据】-【自学记录】查看。 学习设置： 防作弊设置项可以单个项目进行单独设置，不再根据平台统一设置进行控制。 文档学习按浏览时长计算，时长最大计为：每页浏览时长*文档页数；文档学习按浏览页数计算，不计入学习时长。 更多设置：添加协同人

查看更多 →

深度学习算法由一个个计算单元组成，我们称这些计算单元为算子（Operator，简称Op）。在Caffe中，算子对应层中的计算逻辑，例如：卷积层（Convolution Layer）中的卷积算法，是一个算子；全连接层（Fully-connected Layer， FC layer）中的权值求和过程，是一个算子。下面介绍算子中常用的基本概念。

查看更多 →

开发学件之前需要将业务代码拆分成一个个逻辑模块，即算子。建议学件中至少包含如下算子： 加载数据 数据预处理 模型训练 模型测试 数据预处理和模型训练可以使用py文件的形式承载，放到“custom/sdk”目录下面。并在“custom/sdk”目录下方的“learnware.py”文件中引用。

查看更多 →

框架管理器（Framework）提供REGISTER_CUSTOM_OP宏，按照指定的算子名称完成算子的注册。自定义算子的注册代码如下所示：其中：REGISTER_CUSTOM_OP：注册自定义算子，"test_layer"作为离线模型文件中的算子名称，可以任意命名但不能和已有的算子命名冲突。FrameworkType：不同框架的算子参数

查看更多 →

在浅蓝色背景区域内，右键单击，从下拉框中选择“注册为算子”。 弹出“注册为算子”，如图2所示。 图2 注册为算子 “注册为算子”对话框参数说明，如表1所示。 表1 参数说明 参数 说明 算子组ID 从下拉框中选择之前创建的算子组。 如果手工填入系统中不存在的算子组ID，则系统会自动创建此算子组。 算子ID 自定义输入，需要在算子组内，保持唯一。

查看更多 →

输入算子 CS V文件输入 固定宽度文件输入 表输入 HBase输入 HTML输入 Hive输入 Spark输入 父主题： 算子帮助

查看更多 →

单击“确认”，即可创建一个脱敏算子。 脱敏算子相关操作 在“算子管理”页签，还可以完成以下操作。 表1 脱敏作业相关操作 任务 操作步骤 查看算子详情 单击操作栏的“详情”，可查看算子的详情。 编辑算子 单击操作栏的“编辑”，可编辑算子的详情。 删除算子 单击操作栏的“删除”，可删除算子的详情。 搜索算子

查看更多 →

具体规范示例请参考“算子示例”。 单击“确定”。 在“算子”列表，可查看新创建的算子。 算子管理相关操作 在“算子管理”页签，还可以完成以下操作。 表2 算子管理相关操作 任务 操作步骤 查看算子详情 单击操作栏的“详情”，可查看算子的详情 编辑算子 单击操作栏的“编辑”，可编辑算子的详情。

查看更多 →

算子示例 Rosbag转opendata作业 难例挖掘作业 数据提取作业 Resim作业 父主题： 数据处理

查看更多 →

算子管理 表1 算子管理权限 权限 对应API接口 授权项（Action） IAM项目 (Project) 企业项目 (Enterprise Project) 查询算子列表 GET /v1.0/{project_id}/data/processors octopus:dataProcessors:list

查看更多 →

更新算子 功能介绍 更新算子 URI PUT /v1.0/{project_id}/data/processors/{id} 表1 路径参数 参数 是否必选 参数类型 描述 project_id 是 String 项目id，获取方法请参见获取项目ID id 是 Long 算子ID

查看更多 →

遥感解译专用模型，支持用户进行预训练和解译应用。 图18 部分深度学习模型参数 一键式模型部署和API发布，提供深度学习模型的快速部署功能，支持GPU资源分配、弹性扩容、模型迭代发布、应用监控和统计分析，轻松实现AI能力服务化。 图19 模型部署发布平台 平台基于模型训练结果，面

查看更多 →

StreamingML 异常检测 时间序列预测 实时聚类 深度学习模型预测 父主题： Flink SQL语法参考（不再演进，推荐使用Flink OpenSource SQL）

查看更多 →

新增“云端推理”章节。 修改“模型管理”、“模型验证”章节截图。 2020-07-16 Jupyterlab优化，对应特征工程章节截图更新。 模型训练界面优化，对应模型训练章节截图更新。 2020-06-30 模型管理界面新增推理服务入口、新增创建联邦学习案例入口，对应模型管理章节截图更新。

查看更多 →

联邦学习&重训练，保障模型应用效果 支持联邦学习，模型可以采用多地数据进行联合训练，提升样本多样性，提升模型效果 支持迁移学习，只需少量数据即可完成非首站点模型训练，提升模型泛化能力 模型自动重训练，持续优化模型效果，解决老化劣化问题 预置多种高价值通信增值服务，缩短模型交付周期

查看更多 →

根据不同角色分配不同标注任务。 标注流程 训练模型 训练算法 创建训练作业前需要先选择算法，可以使用Octopus内置的算法，也可以自定义算法。 训练算法 模型评测 在机器学习中，通常需要使用一定的方法和标准，来评测一个模型的预测精确度，用于衡量一个模型及其标注结果的可信度。自动驾驶领域的模型多用于目标检测，

查看更多 →

学习空间 我的课堂 MOOC课程 我的考试

查看更多 →

深度学习算法由一个个计算单元组成，我们称这些计算单元为算子（Operator，简称Op）。在Caffe中，算子对应层中的计算逻辑，例如：卷积层（Convolution Layer）中的卷积算法，是一个算子；全连接层（Fully-connected Layer， FC layer）中的权值求和过程，是一个算子。下面介绍算子中常用的基本概念。

查看更多 →

对算子代码进行编译，生成算子的二进制文件及算子描述文件。在$HOME/tools/che/ddk/ddk/ddk_info文件中查看DDK版本号。如图1所示，VERSION字段即为当前DDK版本。在customop_te/operator目录下执行如下命令进入python交互模式。pythonpython在python交互模式下依次执行如

查看更多 →

对于用户新开发的自定义算子，需要自定义实现解析算子中属性的函数，将原始模型中的算子属性定义转换为适配昇腾AI处理器的离线模型中的算子属性定义。如果用户重写昇腾AI处理器内置算子，则此步骤跳过，插件会自动实现对内置算子的解析。算子解析函数的声明如下所示：ParseParamsxx：函数名称，用户自定义，需要保持唯一。op_origin：源算

查看更多 →

算子编译函数的声明如下所示：其中：BuildTeBinxx：函数名称，用户自定义，需要保持唯一。op：目标算子模型，适配昇腾AI处理器的离线模型的算子数据结构，保存算子信息，Operator类的详细描述请参见GE API参考中的Operator类接口。te_bin_info：存储自定义算子二进制文件路径、算子描述文件路径以及DDK的版本信

查看更多 →