循环神经网络算法（RNN）是一种人工神经网络模型，主要用于处理序列数据，例如文本、语音、视频等。RNN的循环指的是在网络中存在反馈连接，即当前时刻的输出不仅与当前输入有关，还与之前时刻的输入有关。这种反馈机制使得RNN能够记忆之前的信息，从而在处理序列数据时能够更好地捕捉时序信息。RNN的应用非常广泛，其中最成功的应用之一是自然语言处理领域。在自然语言处理中，RNN常常被用于序列标注、机器翻译、文本生成等任务。此外，RNN还被广泛应用于语音识别、图像描述生成、视频分析等领域。以机器翻译为例，传统的翻译系统需要先对源文本进行分词、语法分析等预处理，然后进行翻译，最后再将翻译结果重新组合成合法的目标语言文本。这种方法忽略了源文本中蕴含的时序信息，导致翻译结果不够准确。而使用RNN的机器翻译系统可以将源文本输入到网络中，通过网络自动学习到翻译模型，然后将翻译结果直接输出到目标语言文本中，避免了繁琐的预处理过程。在RNN的基础上，还有一些改进的算法，如长短时记忆网络（LSTM）、门控循环单元（GRU）等，它们都在自然语言处理领域取得了很好的效果。其中，LSTM是一种能够更好地处理长序列信息的RNN变体，它在自然语言处理、语音识别、图像分析等领域都得到了广泛应用。GRU是一种比LSTM更简单、更高效的循环神经网络算法，也在许多应用中取得了良好的效果。

自组织映射算法（SOM）是一种无导师学习方法，它模拟了人脑对信号处理的特点，通过神经网络的自组织能力对输入数据进行分类和可视化。SOM 模型将输入数据映射到二维或三维的网格中，每个节点都有一个权重，表示该节点在数据中的位置。当新的输入数据到来时，算法会将其分配到最接近的节点，这个过程称为竞争。节点会不断地更新自己的权重，以使自己在未来的竞争中更有优势。这个过程模拟了大脑皮层中的神经元之间的连接形成过程。SOM 的应用非常广泛，包括模式识别、信号处理、数据挖掘等。由于该算法具有简单易用、可视化效果好等优点，因此在实际应用中得到了广泛的应用和研究。SOM 可以用于发现数据中的规律和模式，同时也可以将高维数据可视化。例如，在数据分析中，SOM 可以将高维数据降低到二维或三维空间，从而方便地进行可视化分析。此外，SOM 还可以用于聚类分析、异常检测、预测模型等方面。SOM 的工作原理包括竞争和合作两个过程。竞争过程是指输入数据被映射到网络节点，节点根据其权重值和距离计算得到一个相似度得分，从而确定其在竞争中的胜负。合作过程是指节点根据竞争结果调整其权重值，使得权重值相近的节点互相连接，从而形成神经元之间的连接。这个过程不断迭代，直到网络达到稳定状态，即节点之间的权重值不再发生变化。SOM 的优点包括简单易用、可视化效果好、能够自动进行特征提取、能够处理噪声数据等。缺点包括需要手动调整网络结构、难以进行在线学习、容易受到初始化权重的影响等。

生成对抗网络（GAN，Generative Adversarial Networks）是一种深度学习模型，主要用于生成与真实数据相似的人工数据。GAN包括两个神经网络，即生成器和判别器。生成器从随机向量中生成假数据，而判别器负责判断输入的数据是真实的还是伪造的。通过不断迭代训练过程，GAN可以生成与真实数据相似的新数据。GAN的基本思想是通过对抗训练来生成与真实数据相似的人工数据。生成器生成的假数据会被判别器判断，如果判别器无法区分真假数据，那么生成器就成功了。GAN的训练过程包括两个步骤。首先训练判别器，通过给定真实数据和生成器的输出，训练判别器来区分真实数据和伪造数据。然后训练生成器，通过利用判别器的输出来调整生成器的参数，使得它生成的假数据能够欺骗判别器。GAN可以应用于各种领域，如图像生成、图像修复、图像增强等。它还可以用于自然语言处理中的文本生成和对话生成。GAN的主要优点是可以生成与真实数据相似的新数据，缺点是训练不稳定，容易陷入局部最优解。GAN的应用非常广泛，例如可以使用GAN来生成图像的水印、头像、手写字体等，也可以用于生成音乐、诗歌、故事等。GAN的优点是可以生成与真实数据相似的人工数据，因此可以用于各种创意产业中。同时，GAN也可以用于图像修复、图像增强、图像合成等任务中。然而，GAN的训练过程比较复杂，需要仔细地选择超参数和训练策略，否则容易陷入局部最优解或出现其他问题。此外，GAN的训练结果也具有一定的不确定性，因此需要多次训练和尝试来获得满意的结果。总之，GAN是一种强大的深度学习模型，可以用于生成各种类型的数据。尽管它的训练过程比较复杂，但它的应用前景非常广阔，可以为许多领域带来创新性的解决方案。

逻辑回归是一种用于分类和预测的算法，通过使用逻辑函数将线性回归的结果映射到（0，1）的范围内，从而显示概率。它是属于广义线性回归的一种，可以用来描述二分类或多分类问题。逻辑回归原理：逻辑回归是一种线性分类模型，通过将线性回归的结果映射到（0，1）的范围内，从而显示概率。它使用逻辑函数作为联系函数，将线性回归的结果映射到（0，1）的范围内。逻辑函数的表达式如下：Sigmoid(Score)=1/(1+e^(-Score))其中Score是线性回归的结果，Sigmoid是逻辑函数。逻辑回归与线性回归的联系与区别：联系：逻辑回归和线性回归都是用来描述自变量x和因变量Y之间的关系，或者说自变量X对因变量Y的影响程度。区别：线性回归是用来描述数值变量之间的关系的，而逻辑回归是用来描述分类变量之间的关系的。逻辑回归算法的应用场景：二分类问题：逻辑回归最常用于二分类问题，例如垃圾邮件过滤、医学诊断等。多分类问题：逻辑回归也可以用于多分类问题，通过将多个逻辑回归模型组合在一起来解决多分类问题。预测问题：逻辑回归可以用于预测问题，例如在市场营销领域中进行客户行为的预测。总之，逻辑回归算法是一种强大的工具，可以用于解决各种分类和预测问题。

随机森林（Random Forest）是一种机器学习算法，它是由多个决策树组成的集成学习算法。随机森林的主要思想是利用随机扰动来增加数据的特征维度和降低特征之间的相关性，从而提高模型的稳定性和准确性。随机森林的构建过程如下：从原始数据中随机选择一部分作为训练数据集。对于每个决策树，从训练数据集中随机选择一部分特征进行构建。构建决策树，对于每个节点，从剩余特征中选择最具有分类能力的特征进行划分。重复步骤2和3，直到构建完整个决策树。重复步骤2到4，构建多棵决策树，并将它们合并成一个随机森林。随机森林的优点包括：随机扰动增加了数据的特征维度和降低了特征之间的相关性，从而提高了模型的稳定性和准确性。可以通过控制决策树的数量和每个决策树的最大深度来控制模型的复杂度和泛化能力。可以处理高维数据和大规模数据集，并且不需要进行特征选择和数据预处理等预处理操作。可以输出每个特征对于分类或回归的重要性，以及哪些特征对模型的预测能力有更大的贡献。随机森林的缺点包括：需要大量的内存和计算资源来构建，因为需要同时构建多棵决策树。在处理高维数据时，可能会遇到维度灾难问题，因为每个决策树都需要处理所有的特征。对于一些非平衡的数据集，可能会导致随机森林的预测性能较差。总之，随机森林是一种强大的机器学习算法，可以用于分类、回归和聚类等任务，广泛应用于文本分类、图像分类、生物信息学、金融预测等领域。

创建OBS桶ModelArts使用对象存储服务（Object Storage Service，简称OBS）进行数据存储以及模型的备份和快照，实现安全、高可靠和低成本的存储需求。因此，建议您在使用ModelArts之前先创建一个OBS桶，然后在OBS桶中创建文件夹用于存放数据。OBS简介对象存储服务OBS是一个基于对象的海量存储服务，为客户提供海量、安全、高可靠、低成本的数据存储能力。对象存储服务OBS的基本组成是桶和对象。桶是OBS中存储对象的容器，每个桶都有自己的存储类别、访问权限、所属区域等属性，用户在互联网上通过桶的访问域名来定位桶。对象是OBS中数据存储的基本单位。对ModelArts来说，OBS服务是一个数据存储中心，因为ModelArts本身目前没有数据存储的功能。AI 开发过程中的输入数据、输出数据、中间缓存数据都可以在OBS桶中进行存储、读取。因此，在使用ModelArts之前您需要创建一个OBS桶，然后在OBS桶中创建文件夹用于存放数据。对象存储服务OBS操作步骤    登录OBS管理控制台，在桶列表页面右上角单击“创建桶”，创建OBS桶。例如，创建名称为“c-flowers”的OBS桶。    创建桶    说明：    创建桶的区域需要与ModelArts所在的区域一致。例如：当前ModelArts在华北-北京一区域，在对象存储服务创建桶时，请选择华北-北京一。如何查看OBS桶与ModelArts的所处区域，请参见查看OBS桶与ModelArts是否在同一区域。    请勿开启桶加密，ModelArts不支持加密的OBS桶，会导致ModelArts读取OBS中的数据失败。    在桶列表页面，单击桶名称，进入该桶的概览页面。    桶列表    单击左侧导航的“对象”，在对象页面单击新建文件夹，创建OBS文件夹。例如，在已创建的OBS桶“c-flowers”中新建一个文件夹“flowers”。具体请参见新建文件夹夹章节。    新建文件夹常见问题    在ModelArts中选择OBS路径时，找不到已创建的OBS桶？    原因是已创建的OBS桶和使用的ModelArts服务不在同一个区域。    如何查看ModelArts与OBS桶是否在同一区域？        查看创建的OBS桶所在区域。            登录OBS管理控制台。            进入“对象存储”界面，可在桶列表的“桶名称”列查找，或在右上方的搜索框中输入已经创建的桶名称搜索，找到您创建的OBS桶。            在“区域”列可查看创建的OBS桶的所在区域。            OBS桶所在区域        查看ModelArts所在区域。        登录ModelArts控制台，在控制台左上角可查看ModelArts所在区域。        比对您创建的OBS桶所在区域与ModelArts所在区域是否一致。务必保证OBS桶与ModelArts所在区域一致。

项目创建完成后，将会自动跳转至新版自动学习页面，并开始运行，当数据标注节点的状态变为“等待操作”时，需要手动进行确认数据集中的数据标注情况，也可以对数据集中的数据进行标签的修改，数据的增加或删减。数据标注节点状态音频标注    在新版自动学习页面单击“实例详情”按钮，前往数据标注页面。单击任意一张图片，进入音频标注页面。 音频标注在“音频标注”页面单击“未标注”页签，此页面展示所有未标注的音频数据。依次单击选中待标注的音频，或勾选“选择当前页”选中该页面所有音频，在页面右侧进行标注。 音频标注添加标注。先对音频进行播放识别，然后选中音频文件，在右侧“标签”区域，输入“标签名”或从下拉列表中选择已添加的标签，同时可在下拉菜单中选择标签“快捷键”。单击“确定”，完成选中音频的标注操作。声音分类音频标注当目录中所有音频都完成标注后，您可以在“已标注”页签下查看已完成标注的音频，或者通过右侧的“全部标签”列表，了解当前已完成的标签名称和标签数量。同步或添加音频在“数据标注”节点单击“实例详情”进入“音频标注”页面。声音分类项目创建时，音频来源有两种，通过本地添加或同步OBS中的数据。修改标注当数据完成标注后，您还可以进入“已标注”页签，对已标注的数据进行修改。    基于音频修改    在数据集详情页，单击“已标注”页签，然后在音频列表中选中待修改的音频（选择一个或多个）。在右侧标签信息区域中对标签进行修改。        修改标签：在“选中文件标签”区域中，单击操作列的编辑图标，然后在文本框中输入正确的标签名，然后单击确定图标完成修改。        删除标签：在“选中文件标签”区域中，单击操作列的删除图标，在弹出的对话框中单击“确定”删除该标签。    基于标签修改    在数据标注页面，单击“标签管理”页签，在标签管理页，显示全部标签的信息。全部标签的信息   修改标签：单击操作列的“修改”按钮，在弹出的对话框中输入修改后的标签名、选择修改后的快捷键，然后单击“确定”完成修改。修改后，之前添加了此标签的音频，都将被标注为新的标签名称。删除标签：单击操作列的“删除”按钮，在弹出的对话框中，根据提示选择删除对象，然后单击“确定”。

背景说明WebSocket是一种网络传输协议，可在单个TCP连接上进行全双工通信，位于OSI模型的应用层。WebSocket协议在2011年由IETF标准化为RFC 6455，后由RFC 7936补充规范。Web IDL中的WebSocket API由W3C标准化。WebSocket使得客户端和服务器之间的数据交换变得更加简单，允许服务端主动向客户端推送数据。在WebSocket API中，浏览器和服务器只需要完成一次握手，两者之间就可以建立持久性的连接，并进行双向数据传输。前提条件在线服务部署时需选择“升级为WebSocket”。在线服务中的AI应用导入选择的镜像需支持WebSocket协议。约束与限制WebSocket协议只支持部署在线服务。只支持自定义镜像导入AI应用部署的在线服务。WebSocket在线服务调用WebSocket协议本身不提供额外的认证方式。不管自定义镜像里面是ws还是wss，经过ModelArts平台出去的websocket协议都是wss的。同时wss只支持客户端对服务端的单向认证，不支持服务端对客户端的双向认证。可以使用ModelArts提供的以下认证方式：token认证AK/SKAPP认证WebSocket服务调用步骤如下（以图形界面的软件Postman进行预测，token认证为例）：WebSocket连接的建立WebSocket客户端和服务端双向传输数据WebSocket连接的建立打开Postman（需选择8.5 以上版本，以10.12.0为例）工具，单击左上角，选择“File>New”，弹出新建对话框，选择“WebSocket Request”（当前为beta版本）功能：图1 选择WebSocket Request功能在新建的窗口中填入WebSocket连接信息：左上角选择Raw，不要选择Socket.IO（一种WebSocket实现，要求客户端跟服务端都要基于Socket.IO），地址栏中填入从服务详情页“调用指南”页签中获取“API接口调用公网地址”后面的地址。如果自定义镜像中有更细粒度的地址，则在地址后面追加该URL。如果有queryString，那么在params栏中添加参数。在header中添加认证信息（不同认证方式有不同header，跟https的推理服务相同）。选择单击右上的connect按钮，建立WebSocket连接。图2 获取API接口调用公网地址连接成功后结果如下：图3 连接成功WebSocket客户端和服务端双向传输数据连接建立后，WebSocket使用TCP完成全双工通信。WebSocket的客户端可以往服务端发送数据，客户端有不同的实现，同一种语言也存在不同的lib包的实现，这里不考虑实现的不同种类。客户端发送的内容在协议的角度不限定格式，Postman支持Text/Json/XML/HTML/Binary，以text为例，在输入框中输入要发送的文本，单击右侧中部的Send按钮即可将请求发往服务端，当文本内容过长，可能会导致postman工具卡住。 

华为云Al技术全揭秘，深度解读关键技术能力。从自研芯片、开源框架到开发平台、技能市场，技术解读华为云的AI实力 。本期集合了 AI的一些关键技术，感兴趣的小伙伴可以了解一下。【ModelArts】深度解读华为云 AI 开发平台 ModelArts 技术架构简介：在竞争激烈的AI框架和平台市场下，技术解读ModelArts如何脱颖而出？【MoXing】华为云深度学习模型API，助你迅速上手AI开发简介：MoXing是华为云深度学习服务提供的网络模型开发API，它让模型的代码编写更加简单。【昇腾AI】华为秀AI硬件实力，发布算力最强AI处理器简介：昇腾910、MindSpore的推出，意味着华为已完成全栈全场景AI解决方案的构建。【昇腾AI】华为发布昇腾AI全栈软件平台，跨越算力应用鸿沟简介：异构计算架构CANN 3.0、全流程开发工具链MindStudio和MindX，覆盖了基础软件到应用使能。【AI芯片】深度解读达芬奇架构：华为AI芯片的“秘密武器”简介：达芬奇架构是华为自研的面向AI计算特征的全新计算架构，具备高算力、高能效、灵活可裁剪特性。【OCR】华为云OCR关键技术、能力分析，让产品落地做到极致简介：硬件的底层优化、自研算子、优化数据模型，华为OCR背后的技术创新。【对话机器人】从架构、API到应用，华为云如何全局践行AI落地？简介：华为云详解如何更好地实现云上强大AI能力的价值落地。【开源框架】MindSpore！这款刚刚开源的深度学习框架我爱了！简介：通过两个实际应用案例介绍开源框架 MindSpore。

前言ModelArts 是面向开发者的一站式 AI 开发平台，为机器学习与深度学习提供海量数据预处理及交互式智能标注、大规模分布式训练、自动化模型生成，及端-边-云模型按需部署能力，帮助用户快速创建和部署模型，管理全周期 AI 工作流。基础环境准备在使用 ModelArts 进行 AI 开发前，需先完成以下基础操作哦（如有已完成部分，请忽略），主要分为4步（注册–>实名认证–>服务授权–>领代金券）：使用手机号注册华为云账号：点击注册点此去完成实名认证，账号类型选"个人"，个人认证类型推荐使用"扫码认证"。点此进入 ModelArts 控制台数据管理页面，上方会提示访问授权，点击【服务授权】按钮，按下图顺序操作：进入 ModelArts 控制台首页，如下图，点击页面上的"彩蛋"，领取新手福利代金券！后续步骤可能会产生资源消耗费用，请务必领取。以上操作，也提供了详细的视频教程，点此查看：ModelArts环境配置简介Segment AnythingSegment Anything Model（SAM）通过点或框等输入提示生成高质量的对象分割区域，并且可以用于为图像中的所有对象生成分割区域。它已经在1100万张图像和11亿个分割区域的数据集上进行了训练，并且在各种分割任务上具有强大的零样本性能。SAM 的工作原理：可提示分割在自然语言处理和最近的计算机视觉领域，最令人兴奋的发展之一是基础模型的发展，这些基础模型可以使用提示技术（prompting）对新数据集和任务执行零样本和小样本学习。我们从这类工作中汲取了灵感。我们训练 SAM 为任何提示返回有效的分割掩码，其中提示可以是前景/背景点、粗框或掩码、自由格式文本。或者一般来说，提示图像中要分割的内容的任何信息。有效掩码的要求仅仅意味着即使提示不明确并且可能指代多个对象（例如，衬衫上的一个点可能表示衬衫或穿着它的人），输出也应该是一个合理的掩码对象之一。此任务用于预训练模型并通过提示解决一般的下游分割任务。我们观察到预训练任务和交互式数据收集对模型设计施加了特定的限制。特别是，该模型需要在Web浏览器的CPU上实时运行，以允许我们的标注者实时交互地使用 SAM 以高效地进行标注。虽然运行时限制意味着质量和运行时之间的权衡，但我们发现简单的设计在实践中会产生良好的结果。具体地，图像编码器为图像生成一次性嵌入向量，而轻量级编码器将任何提示实时转换为嵌入向量。然后将这两个信息源组合在一个预测分割掩码的轻量级解码器中。在计算图像嵌入后，SAM 可以在 50 毫秒内根据网络浏览器中的任何提示生成一个分割。SAM模型总体上分为3部分：绿色的图像编码器，基于可扩展和强大的预训练方法，我们使用MAE预训练的ViT，最小限度地适用于处理高分辨率输入。图像编码器对每张图像运行一次，在提示模型之前进行应用。紫色的提示编码器，考虑两组prompt：稀疏（点、框、文本）和密集（掩码）。我们通过位置编码来表示点和框，并将对每个提示类型的学习嵌入和自由形式的文本与CLIP中的现成文本编码相加。密集的提示（即掩码）使用卷积进行嵌入，并通过图像嵌入进行元素求和。橙色的提示编码器，掩码解码器有效地将图像嵌入、提示嵌入和输出token映射到掩码。该设计的灵感来自于DETR，采用了对（带有动态掩模预测头的）Transformer decoder模块的修改。Segment Anything适配ModelArts使用方法：输入一个图像，通过Segment Anything模型即可获得图像所有目标的分割点位置，再通过位置将图像进行分割保存。🔹 本案例需使用 Pytorch-1.8 GPU-P100 及以上规格运行🔹 点击Run in ModelArts，将会进入到ModelArts CodeLab中，这时需要你登录华为云账号，如果没有账号，则需要注册一个，且要进行实名认证，参考《ModelArts准备工作_简易版》 即可完成账号注册和实名认证。 登录之后，等待片刻，即可进入到CodeLab的运行环境🔹 出现 Out Of Memory ，请检查是否为您的参数配置过高导致，修改参数配置，重启kernel或更换更高规格资源进行规避❗❗❗1.环境准备拷贝代码，并安装依赖库2.加载模型3.一键分割所有目标4.保存所有分割的图片将所有识别出来的分割位置进行分割，并保存成图片。5. Gradio可视化部署5. Gradio可视化部署为了方便大家使用一键分割案例，当前增加了Gradio可视化部署案例演示。运行如下代码，Gradio应用启动后可在下方页面进行一键分割图像，您也可以分享public url在手机端，PC端进行访问生成图像。

这是一组小朋友随手的涂涂画画：但有了AI这只“魔法棒”，它们变成了这样：登录华为云ModelArts，上传你的涂鸦线稿，只需简单几步就可以秒变精美艺术画！快来试试吧~大朋友可以找回童年涂鸦的乐趣，小朋友也能够体验妙笔生花的美妙，和家人共同完成一份特别的儿童节作品。上传你的作品，赢一波儿童节礼物！童心未泯的你是不是也想试试呢？在华为云ModelArts上传你的涂鸦线稿，一键生成精美画作，体验Scribble2img涂鸦生图的乐趣，将天马行空的想象变为真实的图像吧！活动时间：即日起至6月8日因回帖人数不满足条件，暂不开奖。活动奖励：当有效回帖人数≥60人将开启奖励在所有有效参与用户中1)抽取2个幸运奖，礼品为电动牙刷1个2)抽取10个参与奖，礼品为文件收纳袋1个此活动和华为云AI Gallery评论区抽奖活动不冲突，可以在两个平台返图，获取双份礼品。点此参与华为云AI Gallery评论区活动。本次活动结束后，如满足开奖条件，由华为云工作人员将符合抽奖条件的用户名单优先导入至巨公摇号平台（https://www.jugong.wang/random-portal/）内，抽取各奖项，并截屏公示抽奖过程。如您不同意此抽奖规则，请勿参加本次活动。活动规则：在活动有效期内，评论区回帖有效作品，即可参与抽奖。有效作品说明：运行图像质量高，画作内容清晰不得上传单一图形作品，作品内容饱满，积极向上不得抄袭他人作品，如出现同样作品，早发布的为有效作品每人只可上传一次作品如何生成作品？简单四步，AI涂鸦一键成画基于ModelArts，无需加载系统软件，购买计算资源，不懂代码也能使用AI将简单的涂鸦线稿一键成画。（ModelArts 是面向开发者的一站式 AI 开发平台，为机器学习与深度学习提供海量数据预处理及交互式智能标注、大规模分布式训练、自动化模型生成，及端-边-云模型按需部署能力，帮助用户快速创建和部署模型，管理全周期 AI 工作流。）具体步骤如下： 1. 访问页面，点击Run in ModelArts按钮，进入到ModelArts CodeLab运行环境中（需要先注册华为云账号并完成实名认证）2. 切换运行环境，选择限时免费的GPU-P100规格，目前每个用户每天可以享受3小时的免费时长。然后点击代码块前面的三角形运行按钮，即可自动运行，完成模型的加载。切换规格点击三角形按钮运行代码3. 依次运行完代码后，在右边文件夹ControlNet/test_imgs/路径下，上传相册里的涂鸦图片当然，如果你想涂鸦的同时生成图像，在ModelArts里通过Gradio可视化部署即可实现；也可以邀请朋友们一同创作，将生成的链接发给他们，就能直接通过手机或者电脑访问，在画布里自由创作。4.设置你对图像的具体要求，例如画面的描述词、质量、剪裁等，生成图像。简单四步，就可以让小朋友的简单涂鸦线稿，变成各种自定义风格的艺术图像啦！完成体验后快快回复评论，参与抽奖吧！用户限制说明:1.参加本次社区活动的用户必须为华为云注册用户。同时为保证活动公平性，禁止用户以IAM账号身份参与活动，否则将视为无效。2.领取奖品的用户需为华为云实名用户，未完成实名认证的用户将不发放活动奖励。3.本次活动如一个实名认证对应多个账号，只有一个账号可领取奖励。如在同一概率活动中，同一账号重复获奖，只发放首先获奖奖品。4.本次活动一个实名认证账号只能对应一个收件人，如同一账号填写多个不同收件人，不予发放奖励。5.请开发者不要在活动期间随意修改社区昵称和华为云账号，由此产生的统计问题，如过了申诉期，小助手不再处理。（申诉期为活动结果公示3天内。）6.请勿多次回复刷楼，每人仅限回复一次。奖品发放说明:1. 每位参加活动的开发者用户理解并同意，为联系获奖开发者用户以及奖品发放的需要，开发者用户须在参与活动之时提供您的真实个人信息，包括：姓名、性别、联系方式、电子邮箱、通讯地址、行业、公司和职位，活动主办方将仅为前述目的以及适用法律限度内收集和使用开发者用户的个人信息（开发者用户在向华为云提交个人信息之前，应阅读、了解华为云《隐私政策声明》；开发者用户参加本活动视为理解并同意华为云《隐私政策声明》、《华为云开发者生态隐私声明》网页地址如下：cid:link_2、cid:link_1 ）。获奖开发者用户需在截止时间在获奖信息收集表中填写获奖信息，活动结束且开发者用户填写完整领奖信息后14个工作日内，将统一发出奖品，所有实物奖品包邮，不额外收取任何费用。华为云遵守《中华人民共和国个人信息保护法》规定，将以上个人信息仅用于礼品发放之目的，不会向任何第三方披露，所有信息将在华为云问卷系统留存2个月，礼品发放完毕后即删除。若由于获奖开发者用户自身原因（包括但不限于提供的联系方式有误、身份不符或者通知领奖后超过30天未领取等）造成奖品无法发送的，视为获奖开发者用户放弃领奖。2. 为保证活动的公平公正，华为云有权对恶意刷活动资源（“恶意”是指为获取资源而异常注册账号等破坏活动公平性的行为），利用资源从事违法违规行为的开发者用户收回抽奖及奖励资格。3. 若发放奖品时，出现库存不足，则优先发放等价值的其他奖品。4. 所有参加本活动的开发者用户，均视为认可并同意遵守《华为云开发者用户协议》，包括以援引方式纳入《华为云开发者用户协议》、《可接受的使用政策》、《法律声明》、《隐私政策声明》、相关服务等级协议（SLA），以及华为云服务网站规定的其他协议和政策（统称为“云服务协议”）的约束。云服务协议链接的网址：cid:link_35.如果您不同意本活动规则和云服务协议的条款，请勿参加本活动。

ModelArts的AI Gallery，发布了较多官方算法，可以帮助AI开发者快速开始训练和部署模型。对于不熟悉ModelArts的用户，可以快速订阅官方推荐算法实现模型训练全流程。AI Gallery不仅可以订阅官方发布算法，也支持用户发布自定义算法和订阅其他开发者分享的算法。为了使用他人或者ModelArts官方分享的算法，需要将AI Gallery的算法订阅至ModelArts中。查找算法在ModelArts控制台，“算法管理>我的订阅”中，单击“订阅更多算法”，可跳转至“AI Gallery”页面，查找相应的算法。在ModelArts控制台，直接在左侧菜单栏中选择“AI Gallery”，进入“AI Gallery”页面，在“资产集市 > 算法”页面查找相应的算法。​在AI Gallery的算法模块，根据算法的业务场景。订阅算法进入“AI Gallery”，选择“资产集市 > 算法”页签，查找您需要的算法并单击算法名称，进入算法详情页，单击算法详情页右侧的“订阅”，订阅您所需的算法。订阅后的算法，状态变为“已订阅”，并且将自动展现在“算法管理 > 我的订阅”页面中。单击“前往控制台”，选择云服务区域，进入“算法管理 > 我的订阅”页面进入此页面内，单击“产品名称”左侧的小三角，展开算法详情，在“版本列表”区域，单击“创建训练作业”即可进行后续操作。

自动学习流程使用ModelArts自动学习开发AI模型无需编写代码，您只需上传数据、创建项目、完成数据标注、发布训练、然后将训练的模型部署上线。新版自动学习中，该流程可完全由workflow进行承载。开发者可以通过 Workflow 进行有向无环图（Directed Acyclic Graph，DAG）的开发，整个DAG的执行就是有序的任务执行模板，依次执行从数据标注、数据集版本发布、模型训练、模型注册到服务部署环节。自动学习操作流程workflow运行流程项目类型    图像分类    图像分类项目，是对图像进行分类。需要添加图片并对图像进行分类标注，完成图片标注后开始模型训练，即可快速生成图像分类模型。可应用于商品的自动分类、运输车辆种类识别和残次品的自动分类等。例如质量检查的场景，则可以上传产品图片，将图片标注“合格”、“不合格”，通过训练部署模型，实现产品的质检。    物体检测    物体检测项目，是检测图片中物体的类别与位置。需要添加图片，用合适的框标注物体作为训练集，进行训练输出模型。适用于一张图片中要识别多个物体或者物体的计数等。可应用于园区人员穿戴规范检测和物品摆放的无人巡检。    预测分析    预测分析项目，是一种针对结构化数据的模型自动训练应用，能够对结构化数据进行分类或者数据预测。可用于用户画像分析，实现精准营销。也可应用于制造设备预测性维护，根据设备实时数据的分析，进行故障识别。    声音分类    声音分类项目，是识别一段音频中是否包含某种声音。可应用于生产或安防场景的异常声音监控。    文本分类    文本分类项目，识别一段文本的类别。可应用于情感分析或新闻分类等场景。

ModelArts与华为云的其他服务类似，对外暴露的每个功能，都通过IAM的权限来进行控制。比如，用户（此处指IAM子用户，而非租户）希望在ModelArts创建训练作业，则该用户必须拥有 "modelarts:trainJob:create" 的权限才可以完成操作（无论界面操作还是API调用）。而ModelArts还有一个特殊的地方在于，为了完成AI计算的各种操作，AI平台在任务执行过程中需要访问用户的其他服务，典型的就是训练过程中，需要访问OBS读取用户的训练数据。在这个过程中，就出现了ModelArts“代表”用户去访问其他云服务的情形。从安全角度出发，ModelArts代表用户访问任何云服务之前，均需要先获得用户的授权，而这个动作就是一个“委托”的过程。用户授权ModelArts再代表自己访问特定的云服务，以完成其在ModelArts平台上执行的AI计算任务。ModelArts提供了一键式自动授权功能，用户可以在ModelArts的全局配置功能中，快速完成委托授权，由ModelArts为用户自动创建委托并配置到ModelArts服务中。一键式自动授权方式为保证使用业务过程中有足够的权限，基于依赖服务的预置系统策略指定授权范围，创建的委托的权限比较大，基本覆盖了依赖服务的全部权限。如果您需要对委托授权的权限范围进行精确控制，请使用定制化委托授权。约束与限制    华为云帐号        只有华为云帐号可以使用委托授权，可以为当前帐号授权，也可以为当前帐号下的所有IAM用户授权。        多个IAM用户或帐号，可使用同一个委托。        一个帐号下，最多可创建50个委托。        对于首次使用ModelArts新用户，请直接新增委托即可。一般用户新增普通用户权限即可满足使用要求。如果有精细化权限管理的需求，可以自定义权限按需设置。    IAM用户        如果已获得委托授权，则可以在全局配置页面中查看到已获得的委托授权信息。        如果未获得委托授权，当打开“访问授权”页面时，ModelArts会提醒您当前用户未配置授权，需联系此IAM用户的管理员帐号进行委托授权。添加授权登录ModelArts管理控制台，在左侧导航栏选择“全局配置”，进入“全局配置”页面。“授权对象”选择IAM子用户选择联邦用户委托用户查看权限可以在“全局配置”页面的授权列表中，查看已经配置的委托授权内容。单击授权内容列的“查看权限”，可以查看该授权的权限详情。

问题现象在JupyterLab中使用git插件时，当git clone私有仓库和git push文件时会出现如下报错：原因分析原因为Github已取消密码授权方式，此时在git clone私有仓库和git push文件时需要在授权方式框中输入token。解决方案使用token替换原先的密码授权方式，在git clone私有仓库和git push文件时，需要在授权方式框中输入token（见下图）；具体获取token方式请参考查看GitHub中Personal Access Token信息。