前端采用Element的upload组件上传文件到obs， 在upload的onChange事件里面拦截上传文件，上传到obs，但是报错index.vue?715e:179 Error-->Error: Network Error null

``` import moxing as mox mox.file.exists('obs://lighao/v1') ``` WARNING:root:Retry=9, Wait=0.1, Timestamp=1606890639.8899884 WARNING:root:Retry=8, Wait=0.2, Timestamp=1606890640.0222905 WARNING:root:Retry=7, Wait=0.4, Timestamp=1606890640.259289 WARNING:root:Retry=6, Wait=0.8, Timestamp=1606890640.6947875 WARNING:root:Retry=5, Wait=1.6, Timestamp=1606890641.5225415 WARNING:root:Retry=4, Wait=3.2, Timestamp=1606890643.1447659 WARNING:root:Retry=3, Wait=6.4, Timestamp=1606890649.5924332 WARNING:root:Retry=2, Wait=12.8, Timestamp=1606890656.0839145 WARNING:root:Retry=1, Wait=25.6, Timestamp=1606890668.9627154 ERROR:root:Failed to call: func=<bound method ObsClient.getObjectMetadata of <moxing.framework.file.src.obs.client.ObsClient object at 0x7fb9d4a60a20>> args=('lighao', 'v1/images.tar.gz') kwargs={} ERROR:root: stat:403 errorCode:None errorMessage:None reason:Forbidden request-id:000001762225C36C44D2540258410FA5 retry:0这是什么原因？

本文档是ModelArts AI市场算法迁移分类 RevGrad（以下简称为本算法）的详细使用方法。本算法复现了 Unsupervised Domain Adaptation by Backpropagation 中提出的迁移分类算法，实现从SynSign到GTSRB (Acc=93.23%)，SynDight到SVHN(Acc=90.37%)，以及Office31数据集的：DSLR到Webcam(Acc=94.88%)、Webcam到DSLR(Acc=97.46%)、Amazon到Webcam(Acc=67.0%)的迁移。代码结构：1. 准备数据集本算法包含三个迁移场景，共需要准备五个数据集：Office31、SynSign、GTSRB、SynDight、SVHN。注意，由于原数据集小文件数量巨大，为方便复现，已经提供了转化为tfrecord格式后的数据集以及转换程序，存储在 OBS 中可直接下载，详情见 1.6 节数据组织。1.1 Office31数据集<a href="https://people.eecs.berkeley.edu/~jhoffman/domai<span style=" target="_self">官网 可以查看数据集具体信息，可点此链接 下载，下载后文件如图所示：1.2  Synthetic Signs数据集官网 可以查看数据集具体信息，可点此链接 下载，下载后文件如图所示：1.3 GTSRB可点此链接下载下图对应数据集 1.4 SynDightSynDight是作者本人发布的数据集，与SVHN的组织形式基本一致，可以在论文中找到对其的数据描述，可在下载链接获得数据集。 只使用synth_train_32x32.mat和synth_test_32x32.mat，并改名为train_32x32.mat和test_32x32.mat，随后可以使用提供的程序生成为tfrecord。1.5 SVHN 使可在官网找到对其数据集的描述，下载train.tar.gz与test.tar.gz解压后得到train_32x32.mat和test_32x32.mat，或者直接使用torchvision.datasets自带的SVHN数据集，再使用提供的程序生成为tfrecord。由于原链接可能在部分设备上存在证书问题，可以从我们下载后放在OBS上的版本，下载链接，提取码：dannda。1.6 数据组织我们提供了转换程序以及tfrecord格式的数据文件，可以在下载链接（密码：dannda）可获得，1.5 安装OBS Browser+并上传数据集ModelArts使用对象存储服务（OBS）来存储数据，实现安全、高可靠和低成本的存储需求。OBS Browser+是一款用于访问和管理对象存储服务（Object Storage Service，OBS）的图形化工具，支持完善的桶管理和对象管理操作。OBS Browser+的图形化界面可以非常方便地让用户在本地对OBS进行管理，例如：创建桶、上传下载文件、浏览文件等。具体操作步骤如下：（1）点此下载OBS Browser+，下载完成后解压缩，双击exe进行安装，安装完成后运行；（2）登录界面如下图所示，需要您填写账号名、Access Key ID（AK）和Secret Accsee Key（SK），参考此文档，获取AK和SK，华为云上的许多产品都需要用到访问密钥，请妥善保存该密钥文件，然后参考下图填写您的华为云账号名及刚获取的AK和SK，点击登录；（3）参考下图，点击“创建桶”，输入桶名称，注意：区域要选择华北-北京四、标准存储、私有、关闭多AZ，桶名需自定义，OBS桶名要全局唯一，如提示桶名已存在，则需要您修改为其他名称，比如本文设置桶名为paper-reproduction-01。您设置的桶名必须与此不同，如在下文的操作指导中看到paper-reproduction-01，请主动将桶名替换为您自己的桶名，下文将不再进行提示；（4）点击桶名称，进入到桶中，点击“新建文件夹”，输入文件夹名称，如“train_input”，点击进入文件夹，再新建“datasets”，点击“上传”->“添加文件”-> 选择本地下载好的数据集压缩包（之所以选压缩包格式是因为如果数据集比较大，上传压缩包比上传文件夹快很多） –> 确定，如下图所示；（5）点击OBS Browser+左侧的“任务管理”，可查看数据上传进度。如下图所示，点击设置，在基础设置中，设置最大并发数为最大值50，可以加快数据上传速度2. 订阅本算法点击本页面右上方的【订阅】按钮。然后点击页面下方的【下一步】按钮，再点击【确认付款】按钮，最后点击【确定】按钮进入我的订阅页面，可以看到刚刚订阅的算法。点击【应用控制台】超链接，选择华北-北京四区域，进入算法管理页面。如下图所示，点击“同步”按钮，同步算法，可以点击刷新按钮，刷新状态。当状态变成就绪时，表示同步成功。3. 创建训练作业点击上图中的“创建训练作业”，创建训练任务需要分别指定训练集的源域、目标域和验证集。数据文件放在OBS的一个文件夹内，创建训练作业时，将数据来源设置为该OBS文件夹路径，ModelArts后台会自动将该路径值赋值给data_url参数，然后训练作业运行后，data_url路径下的内容会被复制到训练代码的相对路径“./data”路径下。本算法支持“图片目录”和“TFRecord”两种格式来组织数据：（1）“图片目录”格式使用Pytorch的ImageFolder的类别-样本读取方式按类别目录存放，标签顺序如ImageFolder描述。例如：使用“图片目录”格式时，训练作业的参数按照如下进行设定：data_url为：obs://your_bucket/your_pathtrain_root为：data/source_set   （源域）val_root为：data/val_set            （目标域）target_root为：data/target_set  （验证集）（2）“TFRecord”格式使用TFRecord格式存放，存储格式需要为：save_feature = {    'image': tf.train.Feature(bytes_list=tf.train.BytesList(value=(img_byte_arr.getvalue(),))),# 图片数据的bytes    'label': tf.train.Feature(int64_list=tf.train.Int64List(value=(data['label'],))), # 标签    'path': tf.train.Feature(int64_list=tf.train.Int64List(value=(int(path_index),))), # 路径的索引映射，自行准备索引->路径的转换}使用“TFRecord”格式时，文件目录结构要按如下方式进行组织：使用“TFRecord”格式时，训练作业的参数按照如下进行设定：data_url为：obs://your_bucket/your_pathtrain_root为：data/source_domian.tfrecord（源域）val_root为：data/source_target.tfrecord      （目标域）target_root为：data/val_dataset.tfrecord     （验证集）以Office DSLR 迁移到 Office Webcam，使用“TFRecord”格式为例：数据文件的组织结构如下：则参数填写如下：data_url为：obs://domain-adaptation/raw_datasets/tfrecords_with_path/train_root为：data/Office_DSLR.tfrecordval_root为：data/Office_WebCam.tfrecordtarget_root为：data/Office_WebCam.tfrecord其他超参数的填写如图所示： 点击下一步，提交，训练作业的状态会经历“初始化”、“部署中”、“运行中”和“运行成功”四个状态。训练作业运行成功后，在上表中指定的“模型输出”路径下会自动生成model目录，该目录下有模型文件、ModelArts平台推理脚本（config.json、customize_service.py）和其他运行模型必备的文件。训练完成后可在训练日志中看到实验评估结果。4. 模型导入准备好模型及相关的必备文件后，您可以将生成的模型导入至ModelArts模型管理。具体操作如下：（1）在ModelArts控制台的左侧导航栏点击“模型管理” -> “模型”，点击右侧页面中的“导入”。在导入模型页面填写名称，选择元模型来源，可以直接从训练中选择，也可以从OBS中选择。如果是从OBS中选择，则需要选择到model目录的上一级目录；例如，本次可选择的目录为obs://paper-reproduction-01/algorithms/train_output，如下图所示：注意：选择好元模型路径后，“AI引擎”会自动填充。如未能自动填充，请检查元模型路径是否是model目录的上一级目录，或者model目录下是否包含模型配置文件config.json。（2）点击“立即创建”，需要一点时间来等待模型导入和构建，当模型版本状态为“正常”后，即表示模型导入成功。5. 创建在线服务在ModelArts上，可以将模型部署为在线服务，然后上传图片进行预测，直接在网页端观察预测结果。部署为在线服务具体步骤如下：（1）在ModelArts左侧导航栏中选择“部署上线 -> 在线服务”，然后点击页面中的“部署”；（2）在部署页面填写参数，其中在“模型列表”选择要导入的模型及版本，计算节点规格选择CPU即可；（3）点击“下一步”，参数确认无误后，点击“提交”。提交后，您可以在在线服务列表中查看部署进度，当状态变为“运行中”后，点击服务名称，进入详情页面，点击“预测”，上传图片进行测试。6. 创建批量服务在ModelArts上，还可以将模型部署为批量服务，从OBS加载测试集图片进行预测，然后将预测结果输出到OBS。部署为批量服务具体步骤如下：（1）在ModelArts左侧导航栏中选择“部署上线 -> 批量服务”，然后点击页面中的“部署”；（2）在部署页面填写参数，其中在“模型列表”选择要导入的模型及版本，填写输入数据目录和输出数据目录，计算节点规格选择“CPU 2核 8GB”，计算节点个数设为1；（3）点击“下一步”，参数确认无误后，点击“提交”。提交后，您可以在批量服务列表中查看部署进度，当状态变为“运行中”后，表示正在预测中，当状态变为“运行完成”，表示这批图片已经预测结束，预测结果是一批txt文件，保存在上图指定的OBS输出数据目录位置中，可以前往该目录查看结果。7. 模型评估参考本文第2节中的步骤，创建“训练作业”，设置  参数为 true，并设置 load_weight 参数为模型地址，如：obs://paper-reproduction-01/algorithms/train_output/xxxxxx.pth 会在对应的输出目录生成评估结果。在 train_url 所对应的 OBS 目录下，会生成对应的评估结果，日志中能看到对应的性能结果：

本算法复现了 Conditional Adversarial Domain Adaptation 中提出的迁移分类算法，实现从Office31 train set到Office31 validation set(Acc=88.1%)，OfficeHome train set到OfficeHome validation set(Acc=67.0%)以及VisDA-2017 train set 到 VisDA-2017 validation set (Acc=71.2%)的迁移。代码结构：1. 准备数据集本算法包含三个迁移场景，共需要准备三个数据集：Office31、OfficeHome和VisDA2017。注意，为方便复现，已经提供了将目录规范化后的数据集，存储在 OBS 中可直接下载，详情见 1.4 节数据组织。1.1 Office31数据集官网 可以查看数据集具体信息，可点此链接 下载，下载后文件如图所示：1.2 OfficeHome 数据集官网 可以查看数据集具体信息，可点此链接 下载，下载后文件如图所示：1.3 VisDA-2017 可以通过 wget 下载：wget http://csr.bu.edu/ftp/visda17/clf/train.tartar xvf train.tarwget http://csr.bu.edu/ftp/visda17/clf/validation.tartar xvf validation.tarwget https://raw.githubusercontent.com/VisionLearningGroup/taskcv-2017-public/master/classification/data/image_list.txt或者通过 Google Drive 下载: train.tar, validation.tar, test.tar。更多信息参考 taskcv-2017-public。1.4 数据组织最终存储在 obs 中的数据组织方式为：可以通过点击下面链接下载打包好的数据集：·         data，密码为：cdanda1.5 安装OBS Browser+并上传数据集ModelArts使用对象存储服务（OBS）来存储数据，实现安全、高可靠和低成本的存储需求。OBS Browser+是一款用于访问和管理对象存储服务（Object Storage Service，OBS）的图形化工具，支持完善的桶管理和对象管理操作。OBS Browser+的图形化界面可以非常方便地让用户在本地对OBS进行管理，例如：创建桶、上传下载文件、浏览文件等。具体操作步骤如下：（1）点此下载OBS Browser+，下载完成后解压缩，双击exe进行安装，安装完成后运行；（2）登录界面如下图所示，需要您填写账号名、Access Key ID（AK）和Secret Accsee Key（SK），参考此文档，获取AK和SK，华为云上的许多产品都需要用到访问密钥，请妥善保存该密钥文件，然后参考下图填写您的华为云账号名及刚获取的AK和SK，点击登录；（3）参考下图，点击“创建桶”，输入桶名称，注意：区域要选择华北-北京四、标准存储、私有、关闭多AZ，桶名需自定义，OBS桶名要全局唯一，如提示桶名已存在，则需要您修改为其他名称，比如本文设置桶名为paper-reproduction-01。您设置的桶名必须与此不同，如在下文的操作指导中看到paper-reproduction-01，请主动将桶名替换为您自己的桶名，下文将不再进行提示；（4）点击桶名称，进入到桶中，点击“新建文件夹”，输入文件夹名称，如“train_input”，点击进入文件夹，再新建“datasets”，点击“上传”->“添加文件”-> 选择本地下载好的数据集压缩包（之所以选压缩包格式是因为如果数据集比较大，上传压缩包比上传文件夹快很多） –> 确定，如下图所示；（5）点击OBS Browser+左侧的“任务管理”，可查看数据上传进度。如下图所示，点击设置，在基础设置中，设置最大并发数为最大值50，可以加快数据上传速度2. 订阅本算法点击本页面右上方的【订阅】按钮。然后点击页面下方的【下一步】按钮，再点击【确认付款】按钮，最后点击【确定】按钮进入我的订阅页面，可以看到刚刚订阅的算法。点击【应用控制台】超链接，选择华北-北京四区域，进入算法管理页面。如下图所示，点击“同步”按钮，同步算法，可以点击刷新按钮，刷新状态。当状态变成就绪时，表示同步成功。3. 创建训练作业点击上图中的“创建训练作业”。创建训练任务需要分别指定训练集的源域、目标域和验证集。数据文件在OBS放至同一个文件夹并将其路径传入为data_url，训练时会复制到路径为当前相对路径./data/。其中，数据以图片格式使用Pytorch的ImageFolder的类别-样本读取方式按类别目录存放，标签顺序如ImageFolder描述。例如：则data_url选择为：obs://your_bucket/your_pathtrain_root为：data/source_setval_root为：data/val_settarget_root为：data/target_set注意：训练作业创建后会默认解压data_url下的所有.zip格式的压缩文件，解压命令为unzip -q filename.zip，而data_url在训练任务的容器内的相对路径是./data/按照下表填写训练作业参数，表中默认值以VisDA-2017数据集的S->T实验为例，假设obs上训练集的路径为：obs://domain-adaptation/raw_datasets/VisDA2017/，文件目录为：则超参数说明如图：注意：如果使用1.4节我们提供的数据压缩包并设为data_url，那么train_root可以使用data/visda-2017/train，val_root和target_root可以使用data/visda-2017/validation这份参数会加载visda-2017中S->T任务的复现模型，如果不需要加载可以删去load_weight函数，如果想替换成别的模型文件可以指定为obs上的文件路径点击下一步，提交，训练作业的状态会经历“初始化”、“部署中”、“运行中”和“运行成功”四个状态。训练作业运行成功后，在上表中指定的“模型输出”路径下会自动生成model目录，该目录下有模型文件、ModelArts平台推理脚本（config.json、customize_service.py）和其他运行模型必备的文件。训练完成后可在训练日志中看到实验评估结果。4. 模型导入准备好模型及相关的必备文件后，您可以将生成的模型导入至ModelArts模型管理。具体操作如下：（1）在ModelArts控制台的左侧导航栏点击“模型管理” -> “模型”，点击右侧页面中的“导入”。在导入模型页面填写名称，选择元模型来源，可以直接从训练中选择，也可以从OBS中选择。如果是从OBS中选择，则需要选择到model目录的上一级目录；例如，本次可选择的目录为obs://paper-reproduction-01/algorithms/train_output，如下图所示：注意：选择好元模型路径后，“AI引擎”会自动填充。如未能自动填充，请检查元模型路径是否是model目录的上一级目录，或者model目录下是否包含模型配置文件config.json。（2）点击“立即创建”，需要一点时间来等待模型导入和构建，当模型版本状态为“正常”后，即表示模型导入成功。5. 创建在线服务在ModelArts上，可以将模型部署为在线服务，然后上传图片进行预测，直接在网页端观察预测结果。部署为在线服务具体步骤如下：（1）在ModelArts左侧导航栏中选择“部署上线 -> 在线服务”，然后点击页面中的“部署”；（2）在部署页面填写参数，其中在“模型列表”选择要导入的模型及版本，计算节点规格选择CPU即可；（3）点击“下一步”，参数确认无误后，点击“提交”。提交后，您可以在在线服务列表中查看部署进度，当状态变为“运行中”后，点击服务名称，进入详情页面，点击“预测”，上传图片进行测试。6. 创建批量服务在ModelArts上，还可以将模型部署为批量服务，从OBS加载测试集图片进行预测，然后将预测结果输出到OBS。部署为批量服务具体步骤如下：（1）在ModelArts左侧导航栏中选择“部署上线 -> 批量服务”，然后点击页面中的“部署”；（2）在部署页面填写参数，其中在“模型列表”选择要导入的模型及版本，填写输入数据目录和输出数据目录，计算节点规格选择“CPU 2核 8GB”，计算节点个数设为1；（3）点击“下一步”，参数确认无误后，点击“提交”。提交后，您可以在批量服务列表中查看部署进度，当状态变为“运行中”后，表示正在预测中，当状态变为“运行完成”，表示这批图片已经预测结束，预测结果是一批txt文件，保存在上图指定的OBS输出数据目录位置中，可以前往该目录查看结果。7. 模型评估参考本文第2节中的步骤，创建“训练作业”，设置  参数为 true，并设置 load_weight 参数为模型地址，如：obs://paper-reproduction-01/algorithms/train_output/xxxxxx.pth 会在对应的输出目录生成评估结果。在 train_url 所对应的 OBS 目录下，会生成对应的评估结果，日志中能看到对应的性能结果：

试了一下网络流，非常顺利，添加SDK后，按照文档编写上传流对象的代码，运行成功在obs可以看到这个对象图片后面需要在看一下，在OBS里的目录归类的问题，还有多批量的素材的上传

【功能模块】自动学习 物体检测【操作步骤&问题现象】1、进行数据集上传时看不到自己的obs桶2、obs桶已经建好的，而且数据也已经上传到桶内【截图信息】【日志信息】（可选，上传日志内容或者附件）

新建一个桶。创建一个文件夹进入ModelArts控制台选择开发环境，创建一个notebook输入如下代码import moxing as mox mox.file.copy_parallel('s3://公共桶（自己其他桶）/文件名', 's3://私人桶 /私人文件夹名 ') print('Copy procedure is completed !')这样就可以完成从公共桶或者自己的私人桶复制数据到指定的私人桶里面

针对已发布的数据集，使用此数据集的Manifest文件，重新导入，此时出现导入失败的错误。针对已发布的数据集，其对应的OBS目录下，发生了数据变化，如删除图片，导致此Manifest文件与当前OBS目录下的数据情况不符。使用此Manifest文件再次导入时，出现错误。有两种方法，第一个是，建议将此数据集重新发布版本，然后再使用新版本的Manifest文件导入。还有一个，修改您本地的Manifest文件，查找OBS目录下的数据变更，根据变更同步修改Manifest。确保Manifest文件与OBS目录下的数据现状相同，然后使用修改后的Manifest文件导入。

【背景介绍】     GaussDB支持集群级别物理备份，使用roach备份工具，支持集群级别全量备份/恢复、增量备份/恢复、表级逻辑备份/恢复。支持将备份集备份到本地disk，同时也能够将备份集备份到NBU、OBS、爱数等第三方存储介质。    Roach备份过程中会在每个节点拉起agent进程备份各自节点数据，执行节点会有master节点给各节点发送指令，同时若其中一个agent节点报错后会将错误信息上报至执行主节点进行处理。【问题描述&&分析】发起增量备份报错如下（备份到OBS存储介质）：根据报错提示190节点报错引起备份失败，在190节点$GAUSSLOG/roach路径下，查看roach报错如下：在此能够判断在与OBS服务器交互时长时间未响应导致整个备份失败，重试后备份成功。NAS/nfs备份：https://bbs.huaweicloud.com/forum/thread-81751-1-1.html

   在体验ModelArts产品时，涉及几个收费几个问题，想咨询下,希望专家能给解答下：    1、数据上传OBS收费：想问下OBS跟ModelArts对接收费是否是免费，因为我看到OBS收费中有流量公网到ECS是免费的，想问**验ModelArts时，OBS是否免费。    2、ModelArts在多个地方提到有免费时长，想问下：是否是体验某个项目时头一段时间是免费的，比如60分免费，后面要收费，否则释放。    3、ModelArts按小时看文档收费是真的高，这样直接把好多想了解该产品的人拒之门外，非常不友好。就是企业商业收费应当有一定时间的体验，方可放心购买。   4、想问**验ModelArts，免费是否可以体验学习？

云上一分钟，上云更轻松。某用户小A的自述：“美好的一天，从使用华为云对象存储服务OBS开始！啦啦啦~~~”“文件已经顺利上传，接下来我要分配一下权限”“emmm，让我来看看......”“IAM权限、桶策略、ACL......”“讲点“武德”，别欺负新手~~上面三个究竟配哪个啊？？？”小伙子，别着急~看看下面这个视频，1分钟教会你“OBS权限控制方式应该如何选择”~点击“了解更多”，学习更多OBS权限控制介绍及不同场景的权限配置案例。加关注，不迷路！下期见~

申请了ModelArts机器，使用的对象存储服务，上传了文件到jupter左侧的文件夹，在notebook或者Terminal里怎么访问这些文件呢

别人的obs桶内的文件，我自己的桶挂载后，能直接复制到自己的私有桶吗？，或者说，我能从公共桶里复制文件到自己的桶里吗，，怎么操作

本期体验产品：对象存储服务体验及评测体验形式：       本次体验采用有奖征集体验评测报告+群内交流反馈的形式。我们将在体验官群内(扫描最下方二维码申请成为体验官）筛选9位体验官，所有体验官按照操作指导书（确定名单后邮件发送）体验产品，并输出产品体验报告。我们会从中筛选出高质量体验报告，给予礼品奖励。中奖率超高哟~~☆奖品设置如下☆金牌测评体验报告奖：数量不限奖品：美的 (Midea)便携榨汁机              银牌测评体验报告奖：数量不限奖品：定制双肩包1个 体验评测报告优秀参与奖：数量不限奖品：旅行本（套装）1套特别说明：本次活动不设定相关金银牌数量限制，全凭报告内容评定奖励，大家加油哦~         评奖要求：在活动期间内，在线完成指定的对象存储服务场景任务操作（需要您抽空，在1.5周时间内完成14个场景任务的操作），并且在操作完成后进行相关问题的反馈，提出体验优化的意见。在活动中完成了所有的场景任务且反馈及时，将获得精美奖品。体验评测报告交稿时间：2020年12月1日开始体验 2020年12月10日 16:00前，请报名评测的体验官将评体验测报告发帖上传到华为云社区开发者交流论坛中，分类选择（体验官）。并同步微信告知小助手（微信：hwykfz1）微信号。报告形式不限，如word、excel、PPT都可以。2020年12月15日 16:00前，将获奖信息告知体验官。体验报告发帖地址：https://bbs.huaweicloud.com/forum/forum-557-639-1.html发帖时，请上传已完成的体验报告，并在帖子内标注微信群昵称，以便评奖时使用 。★资源说明★本次体验免费☆如何报名华为云产品体验官☆请先填写报名表单，报名成为华为云产品体验官。审核成功后，小助手会添加您的微信邀您进入华为云产品体验官群成为华为云产品体验官后续产品体验通知会在体验官群内发布~ 产品体验官可免费参与产品体验并获得相应奖励  扫描二维码，填写报名表

创建算法时定义了输入和输出的路径映射。通过所定义算法创建训练作业时，训练输入和训练输出选择的OBS路径应该是对应的dtat_url和train_url,为什么代码中显示dtat_url和train_url对应的是所定义的映射路径呢？所打印出的dtat_url和train_url路径:args.data_url111 /home/work/modelarts/inputs/data/args.train_url111 /home/work/modelarts/outputs/outputall/这就导致我将映射路径文件通过mox.copy复制到train_utl时出现了shutil.SameFileError:错误。但是当我直接用常见框架定义算法的方式创建作业时，所选择的输入和输入路径，在代码中显示的就是所选的两个OBS路径。该如何使得通过自定义算法创建训练作业时,dtat_url和train_url对应的是自己所选OBS路径？