华为云用户手册

感知物体类型 由于各类仿真器对交通参与物类型的覆盖面不同，可能产生仿真器不支持某种类型，或仿真器与仿真回放中类型不匹配。 以下模型均为副车的颜色，主车ego的颜色为白色，其他车比主车颜色更深。 表2 车辆和行人 类别 标签 三维感知框/未选中 三维感知框/选中 3D模型 未知车辆/其他车辆/小型车/紧凑型轿车/中型车/豪华车 送货车/重型卡车/半挂式拖车/拖车 行人 公交车 未知/其他/轮椅 摩托车/自行车 电车/火车 暂无 动物 暂无 表3 交通信号 类型 名称 图标 信号灯 红黄绿灯 方向灯-箭头向上 方向灯-箭头向左 方向灯-箭头向前向左 方向灯-箭头向右 方向灯-箭头向前向右 交通标识牌 注意安全 人行横道 两侧变窄 右侧变窄 左侧变窄 减速让行 停车让行 禁止驶入 禁止掉头 禁止停车 禁止长时停放 注意落石

回放图层 在回放图层区域，可以选择不同图层，多层次观看3D回放视频。 真值物体：包含选项有真值物体类型及ID、物体模型，可控制真值物体显示或隐藏。 预测算法：可显示或隐藏除主车以外，他车的朝向前的行驶轨迹。 定位算法：可显示或隐藏主车的定位（通过算法计算出的信息）和真值（实际信息）的坐标信息。 规控算法：可显示或隐藏“主车局部规划轨迹”和“主车全局规划轨迹”。 高精地图：显示“路面”、“车道线”、“车道参考线”、“中心车道线”、“交通信号”，可控制对应功能显示或者隐藏。 动态场景：显示场景trigger信息，目前支持设置了Distance，ReachPosition，End Of Road，Collision，OffRoad，Time Head Way，Time To Collision，Acceleration，StandStill，Speed，Relative Speed，Traveled Distance，Relative Distance这几类trigger。地图会以的图标展现，鼠标单击图标时，地图中会出现trigger的详细信息。 当有trigger作用于某个交通参与物时，且该trigger自身没有position。该交通参与物模型上会显示trigger图标。（注：Time To Collision类型的trigger可能包含position信息，但是该position代表目标位置，不是其本身位置，所以此类trigger也会显示在交通参与物上）。 一个trigger作用于多个交通参与物时，涉及到的交通参与物都会带有trigger图标。 一个交通参与物带有多个trigger时，只会显示一个trigger图标，鼠标悬浮上去，会在右上角列出所有trigger的内容。

仿真任务结果 仿真算法的质量由仿真结果呈现，仿真服务模块以自动驾驶过程中关键指标的检测结果为依据对仿真算法进行评测，回放可查看场景，信号查看器是对仿真结果的展示。 仿真任务结果展示可以有以下几种，按钮可单击条件判断为如下：（如果文件不存在，界面会报错提示） 回放按钮：录制模式下即可单击。 算法日志按钮：录制模式下，关联了算法的情况下可单击。 评测日志按钮：录制模式下，关联了自定义评测镜像的情况下可单击。 仿真pb文件按钮：录制模式下可单击。 评测pb文件按钮：任何模式下都可单击。 信号查看器按钮：任何模式下都可单击。 算法pb文件按钮：录制模式下使用自定义算法，并开启Datahub才可单击下载。 所有可下载的结果均不建议使用过长场景名称，如果场景名过长，浏览器会有文件名截取行为，具体截取长度因浏览器、操作系统以及文件下载路径不同而有所区别，以实际情况为准。

Tag_record segments { scenario_id: 100000000 source: "takeover" start: 1617336642300 end: 1617336652300 } segments { scenario_id: 100000000 source: "vehicle" start: 1617336672300 end: 1617336692300 }

Traffic_light_info timestamp: 1630057508000 stamp_secs: 1630057508 lights { id: 1 color: 1 location_x: -206.60186767578125 location_y: 459.9820861816406 location_z: 3.0 } lights { id: 2 color: 2 location_x: -74.1282958984375 location_y: 484.984619140625 location_z: 4.0 } lights { id: 3 color: 3 location_x: 59.96036911010742 location_y: 473.6038513183594 location_z: 5.0 }

Routing_path timestamp: 1630057162125 stamp_secs: 1630057162 stamp_nsecs: 125769156 routing_path_info { id: 1 path_point { x: -203.34230041503906 y: 125.63516998291016 z: -0.5 } path_point { x: -203.34915161132812 y: 125.72517395019531 z: -0.5 }......}

Predicted_objects stamp_secs: 1617336640 stamp_nsecs: 971891550 timestamp: 1617336640971 obstacle_info { obstacle_timestamp: 1617336640699 id: 6711 x: -123.08731842041016 y: 486.83221435546875 z: 0.575542688369751 prediction_trajectory { path_point { x: -103.26817321777344 y: 486.0815734863281 theta: -0.007839304395020008 v: 4.405668258666992 relative_time: 4.5 } path_point { x: -102.82765197753906 y: 486.0737609863281 theta: -0.00746726430952549 v: 4.405668258666992 relative_time: 4.599999904632568 } ...... } } obstacle_info { obstacle_timestamp: 1617336640699 id: 6744 x: -145.0320587158203 y: 491.35015869140625 z: -0.40381166338920593 prediction_trajectory { path_point { x: -145.0320587158203 y: 491.35015869140625 theta: -2.9442124366760254 v: 1.0038001537322998 } path_point { x: -145.1304931640625 y: 491.3304748535156 theta: -2.9442124366760254 v: 1.0038001537322998 relative_time: 0.10000000149011612 } ...... } } obstacle_info { obstacle_timestamp: 1617336640699 id: 6760 x: -138.3047332763672 y: 489.9286193847656 z: -0.12651222944259644 }

Planning_trajectory stamp_secs: 1617336640 stamp_nsecs: 809739351 timestamp: 1617336640809 trajectory_points { x: -151.27487182617188 y: 486.55096435546875 theta: 0.0023324606008827686 kappa: -0.0017824547830969095 } trajectory_points { x: -151.21182250976562 y: 486.5510559082031 theta: 0.0022713469807058573 kappa: -0.0017127590253949165 } ......

Object_array_vision tracked_object { timestamp: 1604996332862 stamp_secs: 1604996332 stamp_nsecs: 862911489 objects { id: 26175 label: "Car" pose_position_x: 1154.59912109375 pose_position_y: -496.5350646972656 pose_position_z: -1.8222997188568115 pose_orientation_z: 0.714431643486023 pose_orientation_w: 0.6997052431106567 pose_orientation_yaw: 1.5916229486465454 dimensions_x: 4.513162136077881 dimensions_y: 1.7747581005096436 dimensions_z: 1.628068208694458 speed_vector_linear_x: 0.012852923013269901 speed_vector_linear_y: -9.972732543945312 relative_position_x: -17.48011016845703 relative_position_y: 10.685434341430664 relative_position_z: -0.17673441767692566 } objects { id: 26170 label: "Pedestrian" pose_position_x: 1180.902099609375 pose_position_y: -504.7625732421875 pose_position_z: -1.3601081371307373 pose_orientation_z: -0.7057344317436218 pose_orientation_w: 0.7084764242172241 pose_orientation_yaw: -1.5669186115264893 dimensions_x: 0.7922295331954956 dimensions_y: 0.7891787886619568 dimensions_z: 1.6868246793746948 speed_vector_linear_x: 0.13573257625102997 speed_vector_linear_y: 1.5281875133514404 relative_position_x: -25.306795120239258 relative_position_y: -15.737456321716309 relative_position_z: 0.39350399374961853 } objects { id: 26169 label: "Pedestrian" pose_position_x: 1175.647216796875 pose_position_y: -506.730712890625 pose_position_z: -1.569373607635498 pose_orientation_z: 0.6943609118461609 pose_orientation_w: 0.7196269631385803 pose_orientation_yaw: 1.5350627899169922 dimensions_x: 0.8029457330703735 dimensions_y: 0.7876891493797302 dimensions_z: 1.6028095483779907 speed_vector_linear_x: 0.06551000475883484 speed_vector_linear_y: 0.0022428608499467373 relative_position_x: -27.355571746826172 relative_position_y: -10.512933731079102 relative_position_z: 0.19844147562980652 } objects { id: 26168 label: "Pedestrian" pose_position_x: 1173.3189697265625 pose_position_y: -507.2300109863281 pose_position_z: -1.6026556491851807 pose_orientation_z: 0.717462956905365 pose_orientation_w: 0.6965966820716858 pose_orientation_yaw: 1.600306749343872 dimensions_x: 0.7922430038452148 dimensions_y: 0.7811086177825928 dimensions_z: 1.6341478824615479 speed_vector_linear_x: -0.04817964881658554 speed_vector_linear_y: -0.21502695977687836 relative_position_x: -27.89008903503418 relative_position_y: -8.192517280578613 relative_position_z: 0.16775710880756378 } objects { id: 26155 label: "Bus" pose_position_x: 1172.106689453125 pose_position_y: -478.5303039550781 pose_position_z: -0.48812994360923767 pose_orientation_z: -0.7203028798103333 pose_orientation_w: 0.6936596632003784 pose_orientation_yaw: -1.6084778308868408 dimensions_x: 11.322981834411621 dimensions_y: 2.9294095039367676 dimensions_z: 3.1415622234344482 speed_vector_linear_x: -0.017722932621836662 speed_vector_linear_y: 0.1302066147327423 relative_position_x: 0.7977913022041321 relative_position_y: -6.548437118530273 relative_position_z: 0.9966707229614258 } objects { id: 26153 label: "Bus" pose_position_x: 1148.1876220703125 pose_position_y: -490.8350524902344 pose_position_z: -0.954763650894165 pose_orientation_z: 0.6907882690429688 pose_orientation_w: 0.7230570912361145 pose_orientation_yaw: 1.5251574516296387 dimensions_x: 10.779899597167969 dimensions_y: 2.856076717376709 dimensions_z: 2.811084508895874 speed_vector_linear_x: 0.03153659775853157 speed_vector_linear_y: 0.23439916968345642 relative_position_x: -11.868709564208984 relative_position_y: 17.1827335357666 relative_position_z: 0.6278138756752014 } objects { id: 26141 label: "Bus" pose_position_x: 1171.7779541015625 pose_position_y: -512.5936889648438 pose_position_z: -0.9443151354789734 pose_orientation_z: -0.7186583876609802 pose_orientation_w: 0.6953632831573486 pose_orientation_yaw: -1.6037421226501465 dimensions_x: 10.841312408447266 dimensions_y: 2.9661808013916016 dimensions_z: 3.2250704765319824 speed_vector_linear_x: 0.0513402484357357 speed_vector_linear_y: 0.006104861851781607 relative_position_x: -33.26952362060547 relative_position_y: -6.731308937072754 relative_position_z: 0.8776476979255676 } objects { id: 26133 label: "Bus" pose_position_x: 1146.657958984375 pose_position_y: -508.7508239746094 pose_position_z: -0.883571445941925 pose_orientation_z: 0.7007946968078613 pose_orientation_w: 0.713362991809845 pose_orientation_yaw: 1.5530219078063965 dimensions_x: 12.186415672302246 dimensions_y: 2.824420690536499 dimensions_z: 3.292656183242798 speed_vector_linear_x: 0.005901232361793518 speed_vector_linear_y: 0.013970088213682175 relative_position_x: -29.803848266601562 relative_position_y: 18.443498611450195 relative_position_z: 0.8749525547027588 } objects { id: 26120 label: "Bus" pose_position_x: 1170.993408203125 pose_position_y: -525.5801391601562 pose_position_z: -1.104852318763733 pose_orientation_z: -0.7154129147529602 pose_orientation_w: 0.6987019181251526 pose_orientation_yaw: -1.5944297313690186 dimensions_x: 10.749905586242676 dimensions_y: 2.7170863151550293 dimensions_z: 3.0421104431152344 speed_vector_linear_x: 0.016746148467063904 speed_vector_linear_y: -0.23609620332717896 relative_position_x: -46.26727294921875 relative_position_y: -6.141877174377441 relative_position_z: 0.8449855446815491 } }

Ego_tf localization_info { timestamp: 1604996332855 stamp_secs: 1604996332 stamp_nsecs: 855301408 pose_position_x: 1165.5460205078125 pose_position_y: -479.2198486328125 pose_position_z: -1.48505699634552 pose_orientation_x: 0.003883248195052147 pose_orientation_y: -0.0031167068518698215 pose_orientation_z: 0.7017714977264404 pose_orientation_w: 0.7123847603797913 pose_orientation_yaw: 1.5557808876037598 velocity_linear: 12.21684455871582 velocity_angular: 0.014540454372763634 acceleration_linear: 0.23571151494979858 acceleration_angular： 0.0 }

Vehicle vehicle_info { stamp_secs: 1604996332 stamp_nsecs: 847945211 autonomy_status: 0 gear_value: 4 vehicle_speed: 43.93000030517578 steering_angle: 0.699999988079071 yaw_rate: 0.0 interior_temperature: 0.0 outside_temperature: 0.0 brake: 0.0 timestamp: 1604996332847 turn_left_light: 0 turn_right_light: 0 longitude_acc: -0.03125 lateral_acc: 0.0 }

逻辑场景管理 逻辑场景功能可批量生成仿真场景，扩充仿真场景库，为自动驾驶开发提供海量仿真场景。自定义逻辑场景的可以进行修改、删除操作，并支持仿真器B。 逻辑场景中场景是完全独立存储与使用的，在逻辑场景生成的泛化场景非常多，其中有价值的场景比例低，如果存储到场景中会对场景模块造成冲击，当前如果认为逻辑场景中保存的个别场景价值高，可以采用下载场景文件到本地再上传到场景模块的方式保留该逻辑场景。 逻辑场景 泛化场景 父主题： 场景管理

应对对向车辆占道（Encroaching vehicle）检测 在双向车道路上， 会存在主车与对向车辆存在横向冲突的情况， 应对对向车辆冲突行驶检测的目的是判断主车在这种情况下， 能否进行适当的转向和减速避让， 从而保证安全性。 其中主车需要进行避让的前提条件是： 当主车前端与对向行驶的车道纵向距离一定范围内（本设计取10m）， 并且主车与对向车辆的横向距离小于两者一半车宽的和。 当满足该条件后， 如果主车没有进行转向避让和减速避让， 则对应的检测不通过。 减速避让检测不通过是指主车的加速度大于0。 其中转向避让检测考虑到中国是靠右行驶， 在设计该类测试场景时， 对向车会是在主车的左侧。 转向避让检测不通过是指主车没有向右边转向。 该指标关联的内置可视化时间序列数据为：暂无。 该指标的异常时间点记录类型为：POINT_TYPE_REGION。 父主题： 内置评测指标说明

2D图像列表相关操作 在2D图像列表，还可以进行以下操作。 表1 2D图像列表相关操作 任务 操作步骤 搜索模型生成的2D图像 在搜索框中输入关键字搜索相关2D图像生成作业名称。 查看模型生成的2D图像详情 单击模型生成的2D图像生成作业名称，即可查看模型生成的2D图像详情页。 图5 2D图像详情 显示位置框：可选择是否显示位置框。 下载图片：鼠标悬停图片，可选择单张下载图片至本地。 删除图片：可选择单张或批量删除图片。 清理失效图片：如果有失效的图片，可选择单击右上角“清理失效图片”，清理失效图片。 终止模型生成2D图像 单击操作栏的“终止”，即可终止状态为“执行中”的模型。 删除模型生成的2D图像 单击操作栏的“删除”，即可删除模型生成的2D图像信息。 说明： 删除后无法恢复，请谨慎操作。（OBS中的图片数据需用户手动清理。）。

新建版本 Octopus支持用户对已有的模型进行版本更新，步骤如下： 单击模型管理名称进入详情界面，单击“新建版本”或者模型列表页单击“新建版本”。 输入模型版本描述。 图9 模型版本描述 模型版本描述，不得超过256个字符。 关联已有算法：可选择关联的算法。 上传本地模型文件。 将本地模型文件夹拖入框内或单击选择本地模型文件夹 单击“上传”，页面提示“模型文件已加入上传队列中，等待上传”。 上传中刷新或关闭浏览器会导致文件上传异常，请谨慎操作！

在线编辑模型 平台提供模型编辑器，在模型详情页单击“在线编辑”，进入该模型的在线编辑页面。如图，界面左侧显示的是该模型包内的所有文件，以目录树的形式展示，支持编程语言的渲染，支持MarkDown文件的实时双屏预览。 图10 在线编辑 新建文件夹：选中文件夹并单击，用户将新建一个该文件夹的子文件夹。选中工程文件并单击，将会新建一个新的文件夹，与用户已有的文件夹同级。 新建文件：单击，或右键文件夹，单击“新建文件”。 修改文件：单击，用户可对文件名称进行修改。 删除文件：单击，用户可删除文件。 文件（夹）名称不能为空，且只能包含数字、英文、中文、点、下划线和中划线。 删除后不可恢复，请谨慎操作。 配置界面：单击，按照喜好配置界面基本属性，查看快捷键说明。 图11 配置界面 删除当前模型文件：单击“删除”，删除当前页面的模型文件。删除后不可恢复，请谨慎操作。 保存模型文件：单击“保存”，保存当前模型。模型更新完毕请及时保存。

套件用例相关操作 在“用例列表”，还可以进行以下操作。 表2 套件用例相关操作 任务 操作步骤 在线查看用例 单击用例列表后的操作栏中的“查看场景”，可选择在线仿真器，在线查看用例。 复用用例 单击操作栏中“另存为”，输入名称，即可生成另一个名称的用例。 删除用例 单击操作栏中“从套件中删除”，删除用例，删除后无法恢复，请谨慎操作。 查询用例 在页面右侧，可按照“用例名称”、“用例ID”查询用例，也可在搜索框中输入搜索内容对用例进行查询。

本地调试 准备一个待处理的rosbag，如~/data/20220620.bag，一个示例Octopus_data_collections文件，如~/data/Octopus_data_collections.yaml运行如下命令（基于上述示例镜像）： docker run -v ${HOME}/data/20220620.bag:/tmp/data/20220620.bag -v ${HOME}/tmp/output:/tmp/output -v ${HOME}/data/Octopus_data_collections.yaml:/tmp/Octopus_data_collections.yaml --env output_dir=/tmp/output --env rosbag_path=/tmp/data/20220620.bag --env yaml_path=/tmp/Octopus_data_collections.yaml --env tmp_dir=/tmp/workspace rosbag2opendata:0.1 /bin/sh -c “/home/main/ros2opendata.py --lidar_calibration_id 5” 完成后在${HOME}/tmp/output目录查看运行结果文件：

场景文件结构 场景文件结构样例： OpenSCENARIO2.0 ├─ RoadNetwork │ ├─ LogicFile │ └─ SceneGraphFile (0..1) ├─ ParameterDeclarations (0..1) ├─ Entities │ └─ Entity (1+) └─ Storyboard ├─ StopTrigger ├─ InitActions │ ├─ AssignInitSpeedAction │ └─ AssignInitPositionAction └─ Story └─ Act (1+) ├─ StartTrigger (Wait) │ └─ ConditionGroup │ └─ Condition (1+) └─ Action

场景组成说明 场景文件的主体是一个场景剧本storyboard，用户需要在storyboard前先声明将会使用的路网RoadNetwork、参数Parameter，和实体Entities。然后在Storyboard中通过InitActions对实体进行初始化（给定初始速度和位置）。 通过场景故事Story中实体Entities间的每个动作集Act来展开场景。对于动作集Act内的每个行为Action，用户还可以通过Wait设置一个或多个触发条件。

标注服务简介 Octopus标注服务为标注团队提供标注平台管理员、团队管理员和标注任务操作人员（标注员/审核员/验收员）三类职能。三类职能对标注平台的操作权限不同，保证标注任务的数据安全。标注服务管理员根据不同标注任务创建标注团队，分配标注任务操作人员不同职能。创建标注项目，并在项目下创建标注模板及标注任务。团队管理员管理团队内部成员，可为团队创建项目和标注任务，供成员认领。标注任务的操作人员是标注任务的实际执行人员，根据标注任务所处流程，有标注员、审核员和验收员三种职能。 标注服务的开发流程如下： 图1 标注服务开发流程 标注任务创建成功后，由团队中的标注员认领任务，标注任务进入标注流程。标注任务全流程如下，根据项目流程，可对除交付之外的其他流程进行裁剪： 图2 标注任务全流程 项目管理：通过对项目内的任务以及项目内的标注物管理，用户可根据业务需求不同，创建不同类型的项目。 用户管理：可为任务提供角色分配，对所有团队下普通用户进行管理。 团队管理：为标注团队进行人员职能的分配。未分配到标注项目的团队不可查看该项目信息，确保标注任务的安全性。 标注管理：提供项目外的可视化的标注物管理，支持自定义创建多种标注物的形状和颜色，可用于预标注和人工标注指定物体，或自定义算法模型中关联特定标注物。 模板管理：提供预标注模板和人工标注模板，用户可根据需求选择。 脚本管理：用户可以根据自身业务的需要创建标注脚本，用于标注任务。 父主题： 标注服务

绘制对象 单击2D3D关联任务，单击任意一帧，进入人工标注。 左侧工具栏“2D3D互转开关”，开启状态下，平台依据新建的2D或3D框自动转成对应的3D或2D框。开关状态在同一任务中继承。 选择标注类别。标注下拉列表页选择一标注名，进入标注状态。 单击左侧标注工具栏，选择对应的标注工具。 在图片界面单击左侧工具栏“补框”，绘制2D框，此时右侧标注列表只展示关联对象的标注物。键盘按键“ESC”退出绘制状态，右侧标注列表展示所有的标注物。 图2 2D补框 在点云界面单击左侧工具栏“AI标注”（快捷键b），框选3D，此时右侧标注列表只展示关联对象的标注物。双击空白处退出绘制状态，右侧标注列表展示所有的标注物。 图3 点云补框 双击3D框，打开三视图。 图4 打开三视图 依据标注规范要求，结合下方真实图片中对应标注物大小，调整点云图像中标注物三视图中标注框。 图5 调整三视图 修改标注类别 右键单击目标图形，可进入选择类别的跳出框，即可修改类别。 修改额外属性。 右键单击目标图形，如果目标含有额外属性，单击即可选择属性。 图6 修改额外属性 修改对象ID。 右键单击目标图形，可以在对象ID栏手动输入数值来修改ID，由此将2D框和3D框数据手动关联。 图7 修改对象ID

预警系统激活（Warning）检测 预警系统激活用于评价算法是否激活以下五项预警功能: 盲区预警 前方碰撞预警 车道偏离预警 泊车碰撞预警 后方横向车流预警 当算法pb中检测到预警项且状态为STATE_ACTIVE，则视该预警为激活态，否则为非激活态；当预警状态从非激活态转变为激活态，视为激活一次； 有些场景本身不需要激活预警：例如当一个场景中主车未泊车时，不需要激活泊车碰撞预警，此时如果激活预警反而说明主车算法出错；也有一些场景需要特定次数的激活预警：例如当一个场景中主车驾驶过程中会碰到n个盲区，此时必须正好激活n次才能证明主车算法通过；因此支持让用户设置各项子指标是否需要预警和期望的预警次数； 默认期望的预警次数为-1，此时只要该预警功能激活至少一次，则评测项通过；当设置期望的预警次数为正数或0时（0代表期望预警功能不被激活），只有当预警功能激活次数和期望预警次数相同时，评测项才通过； 该指标仅对有算法pb的场景有效。当算法pb中未设置预警项，或预警项状态皆为STATE_UNKNOWN时，该指标也视为无效； 该指标关联的内置可视化时间序列数据为：暂无。 该指标的异常时间点记录类型为：POINT_TYPE_ALL。 父主题： 内置评测指标说明

3D预标注类别列表 表1 3D预标注类别 功能 类别 目标检测 行人 自行车 摩托车 卡车 公交车 小汽车 目标分割 Pedestrian（行人） Bicycle（自行车） Motorcycle（摩托车） Truck（卡车） Bus（公交车） Car（小汽车） Trailer（拖车） Construction vehicle（工程车） Drivable surface（可行驶路面） Terrain（地带） Sidewalk（人行道） Vegetation（草木） Other flat（其他） Barrier（路面栅栏） Traffic cone（锥桶） Manmade（建筑）

操作步骤 登录华为云首页。 单击页面右上角的“控制台”。 在控制台页面，选择自动驾驶云服务 Octopus 支持的区域。 单击左上角展开服务列表，在搜索栏中输入“八爪鱼自动驾驶云服务 Octopus”。 图1 服务列表中搜索服务名称 单击服务名称进入八爪鱼自动驾驶云服务 Octopus管理控制台。 单击“立即申请”。 图2 公测页面 根据实际情况设置企业规模、研发人员比例、应用场景、业务当前阶段等信息。 用户第二次申请公测时，可以继承上一次申请该产品公测活动所填写的必填项信息。 选中“同意《公测试用服务协议》”。 单击“申请公测”，完成公测申请。 等待运营开通公测权限。单击“前往公测管理”，可以查看已经申请的公测产品或者服务。

接口访问和调用 获取用户Token 调用推理服务接口时首先需要获取 IAM 子用户Token作为凭据，具体参见获取IAM用户Token（使用密码）。请求示例如下： 请求URI： POST https://iam.myhuaweicloud.com/v3/auth/tokens?nocatalog=true 请求体： { "auth": { "identity": { "methods": [ "password" ], "password": { "user": { "name": "user_name", "password": "user_password", "domain": { "name": "domain_name" } } } }, "scope": { "project": { "id": "project_id" } } } } 其中，user_name、domain_name、project_id字段可以从“我的凭证”中获取。 图4 获取参数值 请求成功（状态码201）后，从响应的Header中拿到x-subject-token的值即为Token的值。 获取的Token的有效期为24小时。建议进行缓存，避免频繁调用。 获取访问地址 访问地址为 {公网地址} /{ 自定义镜像 中的API地址}，例如：https://xxx/v1/infers/xxx/2d-scenario-identification。 公网地址可以从推理服务列表或者服务详情中获取。 图5 列表获取公网地址 图6 详情获取公网地址 调用推理服务 请携带Token调用推理服务。

推理服务相关操作 图2 推理服务列表 在“推理服务”列表，可对任务进行以下操作。 表1 推理服务相关操作 任务 操作步骤 编辑服务 单击操作栏中的“编辑”，打开编辑推理服务弹出框，修改推理服务配置后，单击“确认”。不支持修改服务的名称和模型仓库，当修改了模型版本、资源规格、实例数和环境变量后，根据编辑前的状态，推理服务会重新构建或重新排队，期间服务将不可用。 启动服务 单击操作栏中的“启动”，可以启动服务，在启动服务时，支持重新设置“是否自动停止”配置和自动停止时间。 状态为部署失败或已停止的推理服务才能进行启动操作。 停止服务 单击操作栏中的“停止”，可以停止服务，推理服务停止后再启动将重新构建或排队，请谨慎操作。 状态为构建失败、部署失败、已停止或停止中的推理服务不能进行停止操作。 删除服务 单击操作栏中的“删除”，可以删除服务，推理服务删除后无法恢复，请谨慎操作。 查询服务 在搜索输入框中输入搜索条件，按回车键即可查询。 查看服务详情 单击服务名称，可在服务详情页查看推理服务详情、监控、事件、日志等信息。 推理服务详情：展示ID、状态、模型及版本、镜像、环境变量、资源池、资源规格、实例数、公网地址等信息。其中，公网地址将在服务部署成功后展示。属于私密信息，请勿轻易泄露。 监控：展示AI应用调用次数统计和实时资源统计信息。 事件：展示当前服务使用过程中的关键操作，比如服务构建进度、部署进度、部署异常的原因、服务被启动、停止、更新的时间点等。 日志：展示当前服务的日志信息。支持查询日志，包含最近5分钟、最近30分钟、最近1小时和自定义时间段（自定义时间段您可以选择开始时间和结束时间）。支持输入关键字搜索服务日志。 推理服务各状态允许的操作如下: 表2 推理服务各状态允许的操作 状态 编辑 启动 停止 删除 导入中 x x √ √ 构建中 x x √ √ 构建失败 √ x x √ 排队中 √ x √ √ 部署中 x x √ √ 运行中 √ x √ √ 部署失败 √ √ x √ 告警 √ x √ √ 停止中 x x x √ 已停止 √ √ x √

评测对比相关操作 在“评测对比”列表，可对任务进行以下操作。 表1 评测对比相关操作 任务 操作步骤 查找对比任务 在搜索输入框中输入搜索条件，按回车键即可查询。 查看对比任务详情 单击对比任务名称，可在对比任务详情页查看该评测对比详情、报告对比、任务日志。 评测对比详情：任务ID、名称、描述、状态等信息。 文本对比：单击“文本对比”，查看或下载评测对比任务对比文本。 报告对比：单击“报告对比”，查看或下载评测对比任务在运行过程中生成的报告。 任务日志：单击“任务日志”，查看或下载评测对比任务在运行过程中生成的所有日志。 删除对比任务 单击操作栏的“删除”，删除单个对比任务。 勾选多个任务，单击列表上方的“删除”，可批量删除对比任务。 重建任务 单击操作栏内的“重建”，输入新对比任务名称（以“任务组名-自定义名称”的形式），同时可重新选择需要修改的参数。 停止任务 单击对比任务后的“停止”，停止评测对比任务。

文本格式约定 文本对比：支持TXT、JSON文件格式。 图5 文本对比 报告对比：用户自定义评测结果如果需要使用报告对比功能，需满足Octopus格式要求，仅支持JSON文件格式，并且需要满足以下格式要求。 表2 报告对比格式要求 名称 说明 示例 kind 文件标识符，e-res表示评测结果可进行评测对比 e-res spec 评测结果内容JSON格式支持简单指标结果、带类别复杂指标结果、折线图结果 {“accuracy”: 0.21, “fp”: 1.0, “fn”: 1.0} 简单指标结果 { "accuracy": 0.21, "fn": 1.0, "fp": 1.0, } 简单键值对，键表示指标名称，值表示该指标对应的评测结果数值。 带类别复杂指标结果 { "ap": [{"Car": 0.2, "Truck": 0.4}, 0.3], "precision": [{"Car": 0.8, "Truck": 0.7}, 0.75], "recall": [{"Car": 0.8, "Truck": 0.9}, 0.85], } 键值对，键表示指标名称，值为字典或列表。当值为列表时，第一项为各类别对应的该指标评测结果字典，第二项为所有类别的指标均值。当值为字典时，仅包含上述第一项。 折线图类指标结果 { "pr_curve": { "Car": [ [0.0, 0.2, 0.4, 0.6, 0.8, 1.0], [1.0, 1.0, 0.8, 0.8, 0.6, 0.4] ] } } 键值对，键表示指标名称，值为字典或列表。当值为列表时，第一项为各类别对应的该指标评测结果字典，第二项为所有类别的指标均值。当值为字典时，仅包含上述第一项。 以上各种类型可混合使用，参考完整示例如下： { "kind": "e-res", "spec": { "accuracy": 0.21, "fn": 1.0, "fp": 1.0, "ap": [{"Car": 0.2, "Truck": 0.4}, 0.3], "precision": [{"Car": 0.8, "Truck": 0.7}, 0.75], "recall": [{"Car": 0.8, "Truck": 0.9}, 0.85], "pr_curve": { "Car": [ [0.0, 0.2, 0.4, 0.6, 0.8, 1.0], [1.0, 1.0, 0.8, 0.8, 0.6, 0.4] ] } } }

预审核任务相关操作 在“预审核任务”列表，还可以进行以下操作。 表1 预审核任务相关操作 任务 操作步骤 查询预审核任务 在搜索输入框中输入搜索条件，按回车键即可查询任务。 查看模型 单击模型名称，界面跳转至模型详情，可查看模型。 查看任务报告 单击操作栏中的“报告”，可查看或下载任务报告。 查看任务日志 单击操作栏中的“日志”，可查看或下载日志详情。 删除任务 选择单个任务，单击操作栏的“删除”，删除单个任务。 勾选多个任务，单击列表上方的“批量删除”，可批量删除任务。