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
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
AI应用封面图 否 上传一张AI应用封面图，AI应用创建后，将作为AI应用页签的背景图展示在AI应用列表。建议使用16：9的图片，且大小不超过7MB。 如果未上传图片，AI Gallery会为AI应用自动生成封面。 应用描述 否 输入AI应用的功能介绍，AI应用创建后，将展示在AI应用页签上，方便其他用户了解与使用。
时序预测-time_series_v2算法部署在线服务预测报错 问题现象 在线服务预测报错：ERROR: data is shorter than windows。 原因分析 该报错说明预测使用的数据行数小于window超参值。 在使用订阅算法时序预测-time_series_v
在ModelArts中使用自定义镜像创建在线服务，如何修改端口？ 当模型配置文件中定义了具体的端口号，例如：8443，创建模型没有配置端口，或者配置了其他端口号，均会导致服务部署失败。您需要把模型中的端口号配置为8443，才能保证服务部署成功。 修改默认端口号，具体操作如下： 登
行过程。 数据集准备。 订阅工作流。 运行工作流。 准备数据集 前往AI Gallery，在“资产集市>数据>数据集”页面下载常见生活垃圾图片。 单击“下载”，选择云服务区域，推荐选择“华北-北京四”，单击“确定”。 进入“下载详情”页面，填写下述参数。 下载方式：选择“ModelArts数据集”。
imshow在jupyter这样的client/server环境下存在问题。 而matplotlib不存在这个问题。 解决方法 参考如下示例进行图片显示。注意opencv加载的是BGR格式， 而matplotlib显示的是RGB格式。 Python语言： 1 2 3 4 5 6 from
通过JupyterLab在线使用Notebook实例进行AI开发 使用JupyterLab在线开发和调试代码 JupyterLab常用功能介绍 在JupyterLab使用Git克隆代码仓 在JupyterLab中创建定时任务 上传文件至JupyterLab 下载JupyterLab文件到本地
运行完成的工作流会自动部署相应的在线服务，您只需要在相应的服务详情页面进行预测即可。 在服务部署节点单击“实例详情”或者在ModelArts管理控制台，选择“模型部署 > 在线服务”，单击生成的在线服务名称，即可进入在线服务详情页。 在服务详情页，单击选择“预测”页签。 图4 上传预测图片 单击“上传
运行完成的工作流会自动部署相应的在线服务，您只需要在相应的服务详情页面进行预测即可。 在服务部署节点单击“实例详情”或者在ModelArts管理控制台，选择“模型部署 > 在线服务”，单击生成的在线服务名称，即可进入在线服务详情页。 在服务详情页，单击选择“预测”页签。 图4 上传预测图片 单击“上传
ModelArts部署在线服务时，如何避免自定义预测脚本python依赖包出现冲突？ 导入模型时，需同时将对应的推理代码及配置文件放置在模型文件夹下。使用Python编码过程中，推荐采用相对导入方式（Python import）导入自定义包。 如果ModelArts推理框架代码内
在开发环境中创建MindInsight可视化作业流程 Step1 创建开发环境并在线打开 Step2 上传Summary数据 Step3 启动MindInsight Step4 查看训练看板中的可视化数据 Step1 创建开发环境并在线打开 在ModelArts控制台，进入“开发空间> Noteb
name/obs_file.txt",path="/home/user/obs_file.txt") 父主题： 通过JupyterLab在线使用Notebook实例进行AI开发
使用AI市场物体检测YOLOv3_Darknet53算法训练后部署在线服务报错 问题现象 使用AI市场物体检测YOLOv3_Darknet53算法进行训练，将数据集切分后进行部署在线服务报错，日志如下：TypeError: Cannot interpret feed_dict key
sh，并预测模型。基础镜像中默认提供了run.sh作为启动脚本。 图8 运行启动脚本 上传一张预测图片（手写数字图片）到Notebook中。 图9 手写数字图片 图10 上传预测图片 重新打开一个新的Terminal终端，执行如下命令进行预测。 curl -kv -F 'imag
在开发环境中创建TensorBoard可视化作业流程 步骤一：创建开发环境并在线打开 步骤二：上传Summary数据 步骤三：启动TensorBoard 步骤四：查看看板中的可视化数据 步骤一：创建开发环境并在线打开 在ModelArts控制台，进入“开发空间 > Notebook”
ster”已指向最新一次的提交。同时在GitHub对应仓库的commit记录中也可以查找到对应的信息。 父主题： 通过JupyterLab在线使用Notebook实例进行AI开发
行历史。 图5 在Notebook Job Definitions页签单击任务名称 图6 设置定时任务 父主题： 通过JupyterLab在线使用Notebook实例进行AI开发
区域选择“Resource Monitor”，展示“CPU使用率”和“内存使用率”。 图22 资源监控 父主题： 通过JupyterLab在线使用Notebook实例进行AI开发
6-gpu"。修改完成后，重新执行导入模型和部署为在线服务的操作。 参数设置完成后，单击“下一步”，确认规格参数，单击“提交”，完成在线服务的部署。 您可以进入“模型部署 > 在线服务”页面，等待服务部署完成，当服务状态变为“运行中”时，表示服务部署成功。预计时长2分钟左右。 在线服务部署完成后，您可以单
sh，并预测模型。基础镜像中默认提供了run.sh作为启动脚本。启动命令如下： sh run.sh 图6 运行启动脚本 上传一张预测图片（手写数字图片）到Notebook中。 图7 手写数字图片 图8 上传预测图片 重新打开一个新的Terminal终端，执行如下命令进行预测。 curl -kv -F 'image
克隆GitHub开源仓库文件到JupyterLab 上传OBS文件到JupyterLab 上传远端文件至JupyterLab 父主题： 通过JupyterLab在线使用Notebook实例进行AI开发
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
