pp
python识别文字并点击
python识别文字并点击页面左边菜单栏“NewProcess”，选择菜单右边的“AI引擎列表”。在右侧“+”或输入框内输入框内输入想要查询的图片，单击“Name”或按钮，可以直接添加图片的方式。图片方式如下：左侧框是图片的图标，可以是白色，也可以是蓝色，此时可以单击右边的“AI引擎分类”，选择常用的AI引擎进行模型训练。本示例以“YOLOv3_v1_50”为例进行介绍，其它相关UINT8数据类型为float16的数据类型，VFP32转换为FP16时，数据类型为float32。这时可以通过新增AIPP功能，新增自定义函数用来初始化AICore的配置参数，可以在模型转换时通过AIPP自定义函数获取。在代码示例中，请参考CANN应用开发简介。创建并配置环境变量。在左侧框中，选择“AI引擎列表”。Atlas200DK的详细介绍请参见《Ascend310MindStudio基本操作》。OMG模型生成完成后，若想直接使用“AutoTuneModel”进行模型转换，请参考《ATC工具使用指南》。在弹出的窗口中，选择模型文件，可一次添加多个模型文件。在右侧界面中，单击“AddModel”，开始进行模型转换。界面提示如下信息，表明对模型转换的数据类型、模型输出文件等要求，然后单击“Select”，开始进行模型转换。
镜像转换在线
镜像 转换在线推理支持离线推理，支持将部分镜像转换成zip文件，以便在推理业务、全场景快速部署时使用，支持离线推理。该操作指导用户将 容器镜像 文件导入到ModelArts服务，请参见《ModelArts用户指南》。如需了解更多镜像文件，请参见《 容器镜像服务 用户指南》。部署容器前，请务必检查部署容器应用的节点环境是否正常。操作步骤以普通用户登录Atlas深度学习组件。单击“模型管理”，进入模型转换页面。单击目标模型后的“转换”。进入“创建模型转换任务”界面。设置基础配置信息，然后单击“下一步”。“任务名称”和“输出文件名称”需要用户设置，其他参数自动从模板中读取。只有保存过模板，此处才能从下拉框中选择，否则为空。任务名称1~50个字符，只能包含小写字母、数字和“-”，以小写字母开头，且不能以“-”结尾。任务类型在下拉框中选择，根据训练任务类型框架选择，如使用的框架为TensorFlow，则选择Tensorflow-Ascend310。若ATC命令太复杂，可以分解成简单命令写入Arguments中。AIPP配置文件路径AIPP优化参数文件，配合模型转换使用。上传以.aippconfig结尾的文件，大小不超过1M。说明：若AIPP已存在或上传成功后，单击“下载”可下载AIPP配置文件。若用户需要保存模板用于下次模型转换任务，请单击“保存模板”，输入模板名称和描述后，单击“确定”。保存的模板可以在“创建模型转任务”时使用。创建成功后，可在“模型管理>模型转换”界面查看该模型。
虚拟电话在线打电话
虚拟电话在线打电话，可以完成本操作实现。在本章节，您可以根据如下关键词，来完成标注。单击右上角的“创建标注任务”。通过设置“任务名称”：在下拉框中选择当前 数据集 。设置“任务名称”：设置任务的名称。只能由英文字母、数字、下划线和中划线组成。字符长度不能大于64个字符。任务类型在下拉框中选择，根据训练任务类型框架选择，如使用的框架为TensorFlow，则选择Tensorflow-Ascend310。若ATC命令太复杂，可以分解成简单命令写入Arguments中。AIPP配置文件路径AIPP优化参数文件，配合模型转换使用。上传以.aippconfig结尾的文件，大小不超过1M。说明：若AIPP已存在或上传成功后，单击“下载”可下载AIPP配置文件。若用户需要保存模板用于下次模型转换任务，请单击“保存模板”，输入模板名称和描述后，单击“确定”。保存的模板可以在“创建模型转任务”时使用。创建成功后，可在“模型管理>模型转换”界面查看该模型。保存模型只有任务状态为“完成”时，才支持“保存”操作。以普通用户登录Atlas深度学习组件。依次单击“模型管理>模型转换”，进入模型转换页面。单击目标模型后的“保存”。模型名称不能重复，否则会覆盖相同名称的模型。
