检测到您已登录华为云国际站账号,为了您更好的体验,建议您访问国际站服务网站 https://www.huaweicloud.com/intl/zh-cn
不再显示此消息
使用模型 用训练好的模型预测测试集中的某个图片属于什么类别,先显示这个图片,命令如下。 1 2 3 # display a test image plt.figure() plt.imshow(test_images[9]) 图1 显示用以测试的图片 查看预测结果,命令如下。 1
调试并停留在断点处。 在“调试控制台”中修改变量值。 JUnit测试 CodeArts IDE Online支持配合JUnit测试使用。 单击左上角。 选择“文件 > 打开”,打开带有JUnit测试用例的工程。 鼠标左键双击文件名称,打开测试用例文件,等待“Run Test | Debug Test”出现。
只需十秒钟,即获得开箱即用的开发环境 开发环境准备省时省力,启动速度提升2倍。 只需十秒即可获得一个支持编码、调试、运行、测试的云上开发环境。 支持6+主流开发语言并可扩展。 父主题: 产品优势
用户通过查询IDE实例列表接口,使用分页参数查询租户下所有IDE实例列表。API的调用方法请参见如何调用API。 本节示例操作包括分页查询,接口支持过滤和排序参数的操作,参数详情请参见查询IDE实例列表。 前提条件 确定调用API的Endpoint,详细信息请参见终端节点。 查询IDE实例列表 指定limit查询IDE实例列表。
例如: 用户于2020年3月在“华北-北京四”购买了半年期的包月套餐。由于疫情影响业务,套餐到期后关闭了CodeArts服务;2020年10月20日将重新启用CodeArts。 若用户仍使用“华北-北京四”,可以开通/购买旧版套餐,或单独开通CodeArts IDEOnline服务使用。
自定义命令 如果在进行代码构建、测试、运行、调试前,需要执行自定义运行命令的任务,可通过编辑“tasks.json”文件,添加想要执行的任务。 操作步骤 进入CodeArts IDE Online代码编辑界面。 在工程根目录下创建 “.theia”目录(如已存在请跳过该步骤)。 在
epochs=10) 父主题: 基于CodeArts IDE Online、TensorFlow和Jupyter Notebook开发深度学习模型
进行格式检查。 代码测试 鼠标移动到函数名处,单击鼠标右键。 选择“Go:Generate Unit Tests For Function”,生成函数的测试用例。 生成完毕后,在测试用例的go文件中,单击“run package tests”、“run file tests”、“run
CodeArts IDE Online提供了REST(Representational State Transfer)风格API,支持您通过HTTPS请求调用,调用方法请参见如何调用API。 您可以在API Explorer中调用API,查看API请求和返回结果。此外,API Expl
表1 Query参数 参数 是否必选 参数类型 描述 extension_id 是 String 插件id limit 否 Long 每页显示的条目数量 offset 否 Long 偏移量,表示从此偏移量开始查询 请求参数 表2 请求Header参数 参数 是否必选 参数类型 描述 X-Auth-Token
Online中使用TensorFlow和Jupyter Notebook完成神经网络模型的训练,并利用该模型完成简单的图像分类。 父主题: 基于CodeArts IDE Online、TensorFlow和Jupyter Notebook开发深度学习模型
specs:技术栈x86架构支持的内存。 config.attributes.volumes:技术栈x86架构支持的存储容量。 arm_config.attributes.specs:技术栈arm架构支持的内存。 arm _config.attributes.volumes:技术栈arm架构支持的存储容量。
scope参数定义了Token的作用域,下面示例中获取的Token仅能访问project下的资源。您还可以设置Token的作用域为某个账号下所有资源或账号的某个project下的资源,详细定义请参见获取用户Token。 POST https://iam.cn-north-1.myhuaweicloud
单击页面左下角的Python版本。 在页面中上方弹出的下拉框中选择需要更换的Python版本。Python允许多个版本共存,但各版本安装的第三方库不共享,使用时请注意当前的Python版本。 安装PyLint 快速安装: 打开CodeArts IDE Online时,在页面右下角的弹框中
Online、TensorFlow和Jupyter Notebook开发深度学习模型 本实践主要讲解如何在CodeArts IDE Online中使用TensorFlow和Jupyter Notebook完成神经网络模型的训练,并利用该模型完成简单的图像分类。
开放的生态,提供开放插件标准和插件市场 兼容业界最广泛使用的插件标准,提供独立的插件市场。 支持注册发布商,支持插件开发所需的开放标准、开源框架、打包工具和插件全生命周期管理。 父主题: 产品优势
导入和预处理训练数据集 参考TensorFlow官网的教程,创建一个简单的图片分类模型。 查看当前TensorFlow版本,单击或者敲击Shift+Enter运行cell。 1 2 3 4 5 6 7 8 9 10 from __future__ import absolute_import
Online实例,创建并打开一个空白工作目录,命令如下。 mkdir ai-test 使用pip安装TensorFlow等依赖包,为加快安装速度此处安装的是tensorflow-cpu,命令如下。 1 2 python3 -m pip install tensorflow-cpu matplotlib
项目ID还可以通过调用查询指定条件下的项目信息API获取。 获取项目ID的接口为“GET https://{Endpoint}/v3/projects/”,其中{Endpoint}为IAM的终端节点,可以从终端节点获取。接口的认证鉴权请参见认证鉴权。 响应示例如下,其中projects下的“id”即为项目ID。
基于CodeArts IDE Online、TensorFlow和Jupyter Notebook开发深度学习模型 概要 准备工作 导入和预处理训练数据集 创建和训练模型 使用模型