转换类算子 产品过滤 数据计算 相邻消息计算 数据扁平 删除属性 选择属性 数据过滤 超时插补 数据聚合 父主题： 算子使用指南

查看更多 →

创建算子组 提取算子前，需要创建算子组。算子通过“<算子组ID.算子ID>”来确定全局唯一性。因为学件算子与内置算子功能相近，为避免算子ID冲突，建议为每个学件创建单独的算子组。 支持在任意Cell中，右键单击，从下拉框中选择“创建算子组”。 弹出“创建算子组”对话框，配置示例如图1所示。参数说明如下所示：

查看更多 →

算子下推（NDP） 功能介绍 父主题： 常见内核功能

查看更多 →

输出类算子 数据存储输出 DIS输出 实时分析输出 父主题： 算子使用指南

查看更多 →

停止算子作业 功能介绍 该接口用于停止正在计算中的作业。 URI DELETE /v1/{project_id}/terminate-job/{job_id} 参数说明请参见表1。 表1 URI参数说明 名称 是否必选 类型 说明 project_id 是 String 项目编号

查看更多 →

查询算子详情 功能介绍 查询算子详情 URI GET /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 →

转换算子 长整型时间转换 空值转换 增加常量字段 随机值转换 拼接转换 分隔转换 取模转换 剪切字符串 EL操作转换 字符串大小写转换 字符串逆序转换 字符串空格清除转换 过滤行转换 更新域 父主题： 算子帮助

查看更多 →

学习任务 管理员以任务形式，把需要学习的知识内容派发给学员，学员在规定期限内完成任务，管理员可进行实时监控并获得学习相关数据。 入口展示 图1 入口展示 创建学习任务 操作路径：培训-学习-学习任务-【新建】 图2 新建学习任务 基础信息：任务名称、有效期是必填，其他信息选填 图3

查看更多 →

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 →

参数 类型 说明 id string 算子ID。 maxInstanceNum boolean 算子最大实例数。 可选参数。 before boolean 是否必须在对应算子之前。 可选参数。 after boolean 是否必须在对应算子之后。 可选参数。 notBefore boolean

查看更多 →

算子下推（NDP） 功能介绍 父主题： 常见内核功能

查看更多 →

d_config.json 否，默认选用Accelerate加速深度学习训练框架，注释掉deepspeed参数。 是否开启NPU FlashAttention融合算子，具体约束详见NPU_Flash_Attn融合算子约束 是，配置以下参数。 flash_attn: sdpa 否，配置以下参数关闭。

查看更多 →

d_config.json 否，默认选用Accelerate加速深度学习训练框架，注释掉deepspeed参数。 是否开启NPU FlashAttention融合算子，具体约束详见NPU_Flash_Attn融合算子约束 是，配置以下参数。 flash_attn: sdpa 否，配置以下参数关闭。

查看更多 →

学习空间 我的课堂 MOOC课程 我的考试

查看更多 →

务，基于脱敏数据，训练深度学习或机器学习模型，形成相关的验证报告。简单场景工作量预计不超过17人天 300,000.00 每套 AI算法原型开发-标准版 对业务场景为普通场景的企业或政府单位进行算法原型开发或者优化服务，基于脱敏数据，训练深度学习或机器学习模型，形成相关的验证报告。普通场景工作量预计不超过18人天

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 →

使用混合精度格式，减少内存使用和计算需求。二者选其一 learning_rate 2.0e-5 指定学习率 disable_gradient_checkpointing true 关闭重计算，用于禁用梯度检查点，默认开启梯度检查点;在深度学习模型训练中用于保存模型的状态，以便在需要时恢复。这种技术可以帮助减少内

查看更多 →

支持近300个遥感计算算子、矢量分析算子和专题算法接口，满足不同业务场景的计算与分析需求；支持JavaScript和Python脚本语言，提供线上开发和线下SDK两种方式，用户可使用自己熟悉的开发环境。 图5 北京市1985年-2017年城镇化进度 支持多种经典机器学习分类算法，如K-

查看更多 →

模型NPU卡数、梯度累积值取值表 不同模型推荐的训练参数和计算规格要求如表1所示。规格与节点数中的1*节点 & 4*Ascend表示单机4卡，以此类推。 表1 NPU卡数、加速框架、梯度配置取值表 模型 Template 模型参数量 训练策略类型 序列长度cutoff_len 梯度累积值 优化工具(Deepspeed)

查看更多 →

模型NPU卡数、梯度累积值取值表 不同模型推荐的训练参数和计算规格要求如表1所示。规格与节点数中的1*节点 & 4*Ascend表示单机4卡，以此类推。 表1 NPU卡数、加速框架、梯度配置取值表 模型 Template 模型参数量 训练策略类型 序列长度cutoff_len 梯度累积值 优化工具(Deepspeed)

查看更多 →

算子使用指南 输入类算子 输出类算子 转换类算子 表达式说明 父主题： 数据管道

查看更多 →