课程学习 前提条件 用户具有课程发布权限 操作步骤-电脑端 登录ISDP系统，选择“作业人员->学习管理->我的学习”并进入，查看当前可以学习的课程。 图1 我的学习入口 在“我的学习”的页面，点击每个具体的课程卡片，进入课程详情页面。可以按学习状态（未完成/已完成）、学习类型（

查看更多 →

选择命名空间，如未创建，单击“创建命名空间”。命名空间类型分为“通用计算型”和“GPU加速型”： 通用计算型：支持创建含CPU资源的容器实例及工作负载，适用于通用计算场景。 GPU加速型：支持创建含GPU资源的容器实例及工作负载，适用于深度学习、科学计算、视频处理等场景。 访问密钥 单击“点击上传”，

查看更多 →

GPU负载 使用Tensorflow训练神经网络 使用Nvidia-smi工具

查看更多 →

GPU调度 GPU调度概述 准备GPU资源 创建GPU应用 监控GPU资源 父主题： 管理本地集群

查看更多 →

学习空间 我的课堂 MOOC课程 我的考试

查看更多 →

GPU计算型 GPU计算单元包含的计算资源主要适用于政企用户部署GPU密集型业务到CloudPond上使用的场景，对应华为云E CS 的实例包含Pi系列，用户可根据机型规格情况选择对应的计算资源商品。具体规格请参考表1。 表1 GPU计算单元 名称 算力配置 描述 GPU计算单元-汇聚型-2Pi2

查看更多 →

GPU相关问题 日志提示"No CUDA-capable device is detected" 日志提示“RuntimeError: connect() timed out” 日志提示“cuda runtime error (10) : invalid device ordinal

查看更多 →

用户提供更加便捷、高效的GPU计算服务，有效承载AI模型推理、AI模型训练、音视频加速生产、图形图像加速等加速工作负载。 GPU函数主要使用于：仿真、模拟、科学计算、音视频、AI和图像处理等场景下，使用GPU硬件加速，从而提高业务处理效率。 表1 GPU函数规格 卡型 vGPU 显存（GB）

查看更多 →

练代码中定义取值。 训练工程需要反馈优化程序所需要的分数 详细的超参优化服务，请参见SDK文档最新版本的“超参数优化示例”。SDK说明请在模型训练服务首页右下角的浮框中，依次单击“帮助中心 > SDK文档”查看。 新建超参优化服务 超参优化服务为已经创建的模型训练工程，通过训练结果对比，选择一组最优超参组合。

查看更多 →

自动学习 准备数据 模型训练 部署上线 模型发布

查看更多 →

案例参考： 从0制作 自定义镜像 用于创建训练作业（PyTorch+CPU/GPU） 从0制作自定义镜像用于创建训练作业（MPI+CPU/GPU） 从0制作自定义镜像用于创建训练作业（Tensorflow+GPU） 从0制作自定义镜像用于创建训练作业（MindSpore+Ascend）

查看更多 →

优化器 查询重写 路径生成 计划生成 Analyze utile接口

查看更多 →

容量优化 在客户的运维工作中，为了保证业务可以持续运转不间断，需要提前识别高负载风险实例并提前做出应对措施。容量优化可以根据用户输入的安全阈值帮助客户快速识别风险实例并给出优化建议。 使用场景 当用户期望能预测资源的负载情况，识别出高负载资源时，可以使用该功能进行辅助预测。 限制与约束

查看更多 →

成本优化 在您通过成本中心了解和分析您的成本情况后，您可以确定成本偏高的原因，然后采取针对性的优化措施。 资源优化 您可以通过云监控服务监控资源的使用情况，识别空闲资源，寻找节约成本的机会。也可以根据成本分析阶段的分析结果识别成本偏高的资源，然后采取针对性的优化措施。 通过CES

查看更多 →

成本优化 在您通过成本中心了解和分析您的成本情况后，您可以确定成本偏高的原因，然后采取针对性的优化措施。 资源优化 通过CES查看GeminiDB Mongo监控指标，例如CPU、内存、磁盘的使用率，如果当前配置过高，可以通过规格变更降低配置。 监控GeminiDB Mongo资源闲置情况，及时删除闲置的实例。

查看更多 →

成本优化 在您通过成本中心了解和分析您的成本情况后，您可以确定成本偏高的原因，然后采取针对性的优化措施。 资源优化 通过CES查看GeminiDB Redis监控指标，例如CPU、内存、磁盘的使用率，如果当前配置过高，可以通过规格变更降低配置。 监控GeminiDB Redis资源闲置情况，及时删除闲置的实例。

查看更多 →

成本优化 在您通过成本中心了解和分析您的成本情况后，您可以确定成本偏高的原因，然后采取针对性的优化措施。 资源优化 您可以通过云监控服务监控资源的使用情况，识别空闲资源，寻找节约成本的机会。也可以根据成本分析阶段的分析结果识别成本偏高的资源，然后采取针对性的优化措施。 通过CES查看 GaussDB (for

查看更多 →

对接引擎类型：DSDP、AutoDock Vina。 单击“下一步”，进入优化设置页面。 图7 优化设置页面（1） 图8 优化设置页面（2） 单击“提交”。 查看运行结果 可以以列表的形式查看分子优化的作业，单击左上角“下载”，下载分子优化的结果或者分子3D构象。如果分子设置了靶点，可以下载小分子

查看更多 →

数据优化 根据统计结果，双方可能会发现存在以下两个问题： 碰撞后的数据总数比较小。 碰撞后的数据分布不太均衡，负样本的比例过高。 这种情况下双方可以重复2-5的步骤更新自己提供的数据，多次执行样本分布统计直至达到比较满意的碰撞结果和分布结果。 至此联邦建模的数据准备阶段完成，接下来就是使用准备好的数据进行联邦建模。

查看更多 →

成本优化 为什么长时间没有EIP、ELB、EVS的资源优化建议？

查看更多 →

人工智能应用在其中起到了不可替代的作用。 游戏智能体通常采用深度强化学习方法，从0开始，通过与环境的交互和试错，学会观察世界、执行动作、合作与竞争策略。每个AI智能体是一个深度神经网络模型，主要包含如下步骤： 通过GPU分析场景特征（自己，视野内队友，敌人，小地图等）输入状态信息（Learner）。

查看更多 →