区块链技术被广泛应用于支付清算、溯源、安全、媒???体和出版等多个领域，基于区块链的应用也迎来了大爆炸式的发展。针对当前的区块链发展趋势来看，为了满足企业级用户区块链开发和应用需求，很多区块链行业的先行者都开始部署自己的BaaS解决方案，以此推动区块链应用场景落地。ruiec_liu什么是BaaS?BaaS（Blockchain as a Service），“区块链即服务”，BaaS其实就是一种新型的云服务，一种结合区块链技术的云服务。是指将区块链框架嵌入云计算平台，利用云计算本身的高速度、可用性和灵活性，同时，又充分发挥区块链本身的信任基础设施的能力，比如多方共识、不可篡改、可信等特点，来为开发者创建、管理和维护企业级区块链网络及应用。它具有降低开发及使用成本，兼顾高安全、快速部署、方便易用等特性。BaaS简化了区块链部署的环节。可以有效解决区块链技术门槛高、安装部署复杂、管理运维困难、开发效率低等问题。ruiec_liuBaaS平台的几大优势大幅降低区块链的入门门槛和开发者学习成本开发者只需专注业务层面的应用开发，不再需要关注底层具体技术实现，区块链底层技术由BaaS提供，对开发者可信透明，帮助他们在已有的区块链服务之上快速构建自己的应用，加快业务场景拓展的落地。部署方便BaaS服务通常是通过区块链+云计算，结合区块链的可信、防篡改以及云计算的高可用和性能等优势，可支持一键式快速部署区块链网络。用户只要勾选所需网络和配置，可实现秒级部署。性价比高结合云计算的优势，BaaS支持以实例为单位的弹性计算，同时网络和资源的托管也大幅降低维护成本。系统架构成熟开发者可通过平台直接调用场景化的API，简化开发流程，降低区块链技术应用到业务场景的技术门槛。开发周期短快速搭建不同实体应用场景，避免重新开发区块链底层技术。提高效率减少移动APP开发中各个环节的成本，提高效率。BaaS天然与云计算进行了结合，在创建、部署、运行以及监控管理等方面体现出了非常强的工具属性。可以说，BaaS作为区块链赋能中心为区块链生态提供强了有力的配套服务。

华为云会议更稳定华为云会议利用业界领先的OPUS音频编解码技术，以及SEC超强纠错技术，可以适应超低带宽，实现80%音频抗丢包，30%视频抗丢包；端到端时延<200ms。这让华为云会议拥有比其他产品更强大的网络适应性，让视频会议在网络环境不佳时也能清晰稳定，可以满足不同地域复杂网络条件接入的场景。例如在6月底召开的某场重要会议中，其中某个会场网络丢包达到50%，仍然能保持该视频会场的稳定接入。客户IT部门对华为云会议的超强抗丢包能力赞叹不已。网络不佳导致断网重连，会议不断连，减少用户操作，让会议体验更连贯更流畅。华为云会议的超低时延技术，让数据共享、远程控制实时流畅。华为云会议更可靠重大会议对安全性的要求是非常高的，参与会议的一般都是重要的客户或者重要领导人，绝对不允许在会议中出现恶意画面或会议被窃听的情况。华为云会议依托于华为公司安全可信合规的要求，从可靠、可用、安全、韧性，隐私、无害6大特性塑造产品安全可信，端到端实现产品生成过程可信。华为云会议产品设计始终从保护企业数据与信息安全角度出发，租户数据隔离；通讯录、会议录制文件等用户数据加密存储； AES256加密算法，防窃取破解；会议可锁定，无关人员无法入会等，保障会议安全可信。华为云会议更简单华为云会议，支持华为全系列高清视频会议终端和智慧大屏通过互联网接入，软终端扫码邀会议室终端入会，大屏入会更便捷。软硬统一的会议操控体验，远程数据超清共享，多方协作，用户操控更简单高效，可以满足高规格会议各种场景协作的需求。丰富简单的会控操作，让大型会议主持、各会场控制更灵活。华为云会议拥有专业会议服务保障团队华为作为众多大型会议的技术支持单位，提供专业的会议保障服务，有着丰富的重大会议保障经验，快速响应，根据会议制定专属接入方案，具备完善的应急预案与方法，避免会议出现问题或者出现问题后预备应对措施。华为云会议提供会议系统和会议资源双平面，接入节点、网络、会议终端双备份，任何一个会场或其他环节出现问题，都可以立即切换到备用平面或备用终端，保障会议稳定可靠进行。同时，华为在中国各个地区以及全球都有专业服务团队，可以根据接入方的分布快速到场服务，提供现场保障。

此活动已结束--------------------------------------------------我和华为云的这一年故事征集参与话题互动，抽取精美礼品哦~2020年即将过去，这一年你和华为云有哪些故事呢？请在这里，写下专属你的故事~ 活动时间2020年11月23日-12月13日 活动规则请直接在本帖回复     #我和华为云的这一年#+我的故事示例：     #我和华为云的这一年#这一年是我和华为云相识的第一年 特别奖2名华为 2代AI 音箱  1个 幸运奖10名无线鼠标1个 普照奖50名帆布折叠包1个 奖励规则：特别奖2名：活动结束后，在所有盖楼的用户中抽取获奖楼层，获奖楼层=总楼层*中奖百分比，中奖百分比为20%、21%。其中例如：活动结束后总楼层为500，500*20%=100，即第100楼获奖，其他获奖楼层同理可得。如出现小数点，则四舍五入，例如：活动结束后总楼层为530，530*21%=111.3，即第111楼获奖。无效楼层不参与中奖，做顺延处理，例如：抽取获奖楼层为第5楼，但5楼为无效楼层，即顺延至第6楼获奖，若依然为无效楼层，则继续顺延，以此类推。（请勿连续刷楼超过5层，否则视为无效。） 幸运奖10名：活动结束后，在所有盖楼的用户中抽取获奖楼层，获奖楼层=总楼层*中奖百分比，中奖百分比为6%、16%、26%、36%、46%、56%、66%、76%、86%、96%。其中例如：活动结束后总楼层为500，500*6%=30，即第30楼获奖，其他获奖楼层同理可得。如出现小数点，则四舍五入，例如：活动结束后总楼层为530，530*6%=31.8，即第32楼获奖。无效楼层不参与中奖，做顺延处理，例如：抽取获奖楼层为第5楼，但5楼为无效楼层，即顺延至第6楼获奖，若依然为无效楼层，则继续顺延，以此类推。（请勿连续刷楼超过5层，否则视为无效。） 普照奖50名：活动结束后，在所有盖楼的用户中抽取获奖楼层，获奖楼层=总楼层*中奖百分比，中奖百分比为1%、3%、5%、7%、9%......91%、93%、95%、97%、99%。其中例如：活动结束后总楼层为500，500*5%=25，即第25楼获奖，其他获奖楼层同理可得。如出现小数点，则四舍五入，例如：活动结束后总楼层为530，530*5%=26.5，即第27楼获奖。无效楼层不参与中奖，做顺延处理，例如：抽取获奖楼层为第5楼，但5楼为无效楼层，即顺延至第6楼获奖，若依然为无效楼层，则继续顺延，以此类推。（请勿连续刷楼超过5层，否则视为无效。）注意事项1、有效楼层是指按照求回复的楼层，无效楼层的奖项将直接取消；2、为保证您顺利领取活动奖品，请您提前填写奖品收货信息，如您没有填写，视为放弃奖励【点击此处填写信息】3、本次先发活动奖品将于2021年1月31日前统一发出，请您耐心等待。4、本活动最终解释权归华为云所有。5、其他事宜请参考【华为云社区常规活动规则】活动获奖信息填写时间截止2021年12月31日，如未填写视为弃奖，望周知！温馨提示：请您认真填写收货地址信息，在“年终盛典”系列活动中完成一次填写即可。我们最终将会按照您最后一次填写的信息发放奖励。请务必使用个人账号参与活动（IAM、企业账号等账号参与无效）。所有获得华为电子产品奖项的获奖用户，请于获奖后3日内完成实名认证，否则视为放弃奖励。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。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或不同账号填写同一收件人，不予发放奖励。其他热门先发活动

有种特殊的循环神经元网络叫双向循环神经元网络，其是基于什么场景研发出来的？效果怎么样呢？

多层LSTM是怎么实现的？其效果一般会比单层LSTM好，为什么？

# 使用mindspore引擎构建resnet50实现图像分类 _**本项目介绍在华为云Modelart平台上使用自研框架mindspore实现不同花的图片的分类问题。**_ --- ## 内容 1. [背景](#背景) 1. [环境配置](#环境配置) 1. [构建网络模型及训练评估](#构建网络模型及训练评估) --- ## 背景 本案例是将展示如何基于自研框架mindspore解决花朵图像分类的问题。采用的网络为resnet50，花朵图像数据包含：菊花、蒲公英、玫瑰、向日葵和郁金香五类。主要内容包括： * 使用notebook的基本环境配置. * 下载数据集 * 用MindSpore构建ResNet50模型 * 开启模型的训练 --- ## 环境配置 本项目无需手动设置，所需的存储桶、目录等都由自动生成，配置内容包括： * 获取notebook URL, 用于定位项目源文件在容器中位置 ``` %%javascript IPython.notebook.kernel.execute("URL = '" + window.location + "'"); ``` ``` # 本地存储的项目目录, 设置系统路径 import os,sys source_file_path = os.environ['HOME'] + '/work/' + URL.split("/")[-2] + '/' os.chdir(source_file_path) print(source_file_path) ``` ``` from mindspore import context, Model import mindspore.nn as nn from mindspore.common.tensor import Tensor import mindspore.common.dtype as mstype from mindspore.nn.optim.momentum import Momentum from mindspore.train.callback import LossMonitor, CheckpointConfig, ModelCheckpoint from mindspore.train.loss_scale_manager import FixedLossScaleManager from signal import signal, SIGPIPE, SIG_DFL, SIG_IGN signal(SIGPIPE, SIG_IGN) import matplotlib.pyplot as plt import matplotlib.image as mpimg from src.de_dataset import create_manifest_dataset from src.losses import OhemLoss from src.resnet import resnet50 ``` 下载数据 ``` !wget --no-check-certificate https://cnnorth4-modelarts-sdk.obs.cn-north-4.myhuaweicloud.com/mindspore_data.zip -P /home/ma-user/work/ ``` 解压数据 ``` !unzip /home/ma-user/work/mindspore_data.zip -d /home/ma-user/work/ ``` 展示训练数据 ``` base_path = "/home/ma-user/work/notebook_data/" daisy = mpimg.imread(base_path + 'train/daisy/9922116524_ab4a2533fe_n.jpg') dandelion = mpimg.imread(base_path + 'train/dandelion/10043234166_e6dd915111_n.jpg') roses = mpimg.imread(base_path + 'train/roses/10503217854_e66a804309.jpg') sunflowers = mpimg.imread(base_path + 'train/sunflowers/1008566138_6927679c8a.jpg') tulips = mpimg.imread(base_path + 'train/tulips/11746548_26b3256922_n.jpg') plt.imshow(daisy) ``` ## 构建网络模型及训练评估 ``` context.set_context(mode=context.GRAPH_MODE) def train_resnet50(): # set param manifest_file = source_file_path + "flowers.manifest" checkpoint_path = source_file_path + "model" epoch_size = 20 batch_size = 32 momentum = 0.9 lr = 0.02 weight_decay = 0.00004 keep_checkpoint_max = 10 save_checkpoint_steps = 2 # create dataset and get labels from dataset print(f"create train dataset start manifest_file={manifest_file}...") train_dataset, num_classes = create_manifest_dataset(manifest_file, epoch_size, batch_size, usage='train') print(f"create train dataset success...") eval_dataset, _ = create_manifest_dataset(manifest_file, 1, batch_size, usage='eval', num_classes=num_classes) print(f"create test dataset success.") net = resnet50(num_classes) net.set_train() loss = OhemLoss(int(batch_size * 0.9)) loss_scale = FixedLossScaleManager(1024.0, False) opt = Momentum(filter(lambda x: x.requires_grad, net.get_parameters()), lr, momentum, weight_decay, loss_scale=1024.0) config = CheckpointConfig(save_checkpoint_steps=save_checkpoint_steps, keep_checkpoint_max=keep_checkpoint_max) callback = [LossMonitor(), ModelCheckpoint(directory=checkpoint_path, config=config)] # train print(f'ImageClassification train start...') model = Model(net, loss, opt, loss_scale_manager=loss_scale, metrics={'accuracy'}) model.train(epoch_size, train_dataset, callback) print(f'ImageClassification train done.') #evaluate model print(f'ImageClassification evaluate start...') result = model.eval(eval_dataset) print(f'Eval result: {result}') print(f'ImageClassification evaluate done.') train_resnet50() ```

Batch NormalizationBN，Batch Normalization，就是在深度神经网络训练过程中使得每一层神经网络的输入保持相近的分布。BN训练和测试时的参数是一样的吗？对于BN，在训练时，是对每一批的训练数据进行归一化，也即用每一批数据的均值和方差。而在测试时，比如进行一个样本的预测，就并没有batch的概念，因此，这个时候用的均值和方差是全量训练数据的均值和方差，这个可以通过移动平均法求得。对于BN，当一个模型训练完成之后，它的所有参数都确定了，包括均值和方差，gamma和bata。BN训练时为什么不用全量训练集的均值和方差呢？因为在训练的第一个完整epoch过程中是无法得到输入层之外其他层全量训练集的均值和方差，只能在前向传播过程中获取已训练batch的均值和方差。那在一个完整epoch之后可以使用全量数据集的均值和方差嘛？对于BN，是对每一批数据进行归一化到一个相同的分布，而每一批数据的均值和方差会有一定的差别，而不是用固定的值，这个差别实际上也能够增加模型的鲁棒性，也会在一定程度上减少过拟合。但是一批数据和全量数据的均值和方差相差太多，又无法较好地代表训练集的分布，因此，BN一般要求将训练集完全打乱，并用一个较大的batch值，去缩小与全量数据的差别。DropoutDropout 是在训练过程中以一定的概率的使神经元失活，即输出为0，以提高模型的泛化能力，减少过拟合。Dropout 在训练和测试时都需要吗？Dropout 在训练时采用，是为了减少神经元对部分上层神经元的依赖，类似将多个不同网络结构的模型集成起来，减少过拟合的风险。而在测试时，应该用整个训练好的模型，因此不需要dropout。Dropout 如何平衡训练和测试时的差异呢？Dropout ，在训练时以一定的概率使神经元失活，实际上就是让对应神经元的输出为0假设失活概率为 p ，就是这一层中的每个神经元都有p的概率失活，如下图的三层网络结构中，如果失活概率为0.5，则平均每一次训练有3个神经元失活，所以输出层每个神经元只有3个输入，而实际测试时是不会有dropout的，输出层每个神经元都有6个输入，这样在训练和测试时，输出层每个神经元的输入和的期望会有量级上的差异。因此在训练时还要对第二层的输出数据除以（1-p）之后再传给输出层神经元，作为神经元失活的补偿，以使得在训练时和测试时每一层输入有大致相同的期望。相关的研究参考论文：Understanding the Disharmony between Dropout and Batch Normalization by Variance Shifthttps://arxiv.org/abs/1801.05134

随着5G的来临，万物互联的时代将开启。5G支持增强型移动宽带（eMBB）、海量物联网连接（mMTC）和低时延高可靠连接（uRLLC）三大场景，而在三大场景中包含了多样化差异化的各种应用。上图中的eMBB业务通过无线侧频谱利用率和频谱带宽技术的突破，5G可以提供比4G快10倍以上的传输速率，最高可以达到20Gb/s的速率。从2019年已经商用5G的国家和地区来看，现今流行的AR/VR、高清视频直播业务，只有5G的超高速率才能够满足要求，4G网络的传输速率是无法支持的。现在使用VR业务或者大型交互类游戏时，必须要拖着网线来完成业务，体验非常不好，而在未来通过5G网络进行无线连接，VR/AR可以获得快捷的体验。mMTC是通过多用户共享接入，超密集异构网络等技术，使5G网络可以支持每平方公里100万以上的连接。近年来智慧城市的快速发展，包括路灯、井盖、水表等公共设施都已经拥有了网络连接能力，可以进行远程管理，但是5G会有更大的革新。基于5G网络的强大连接能力，才可以把城市各个行业的公共设备都接入智能管理平台。这些公共设施通过5G网络协同工作，只需要少量的维护人员就可以统一管理，大大提升城市的运营效率。uRLLC业务在5G场景下最典型的应用就是自动驾驶，自动驾驶最常用的场景下如V2V、V2P、V2I等多路通信同时进行，需要在短时间内进行大量的数据处理并决策。因此需要网络同时具有大带宽、低时延、和高可靠性，5G网络具备应对这种场景的能力。4G时代是通过一张网络满足所有的应用场景和客户群体，不管用户是要玩游戏、网上办公、高清视频还是下载业务，这些业务之间没有区分优先级，当网络资源比较紧张的时候，这些业务就会出现「抢资源」的情况。这种情况的出现就是因为4G网络没办法为这么多业务提供不同的专用通道，都是为所有的业务提供「尽力而为」的服务。但是今后在垂直行业中，各种业务在时延、连接数、可靠性、安全性等方面的要求相去甚远而且具有不可预知性，比如AR业务需要使用>1600Mbps的网络超高带宽、能源抄表业务需要网络提供海量连接，自动驾驶需要网络保证几毫秒的端到端低时延以及99.999%以上的高可靠性，如果还想通过一张网络满足目前所有需求以及未来可能提出的需求，根本不可能实现。而运营商也不可能为了适配不同业务不同的需求而去建设多张网络，只有尽可能让5G网络满足不同用户、不同行业定制化的需求。而网络切片技术可以让运营商在一个硬件基础设施切分出多个虚拟的网络，按需分配资源、灵活组合能力，满足各种业务的不同需求。当新需求提出而目前网络无法满足要求时，运营商只需要为此需求虚拟出一张新的切片网络，而不需要影响已有的切片网络，以最快速度上线业务。那什么是网络切片呢？“网络切片（Networkslicing）是通过切片技术在一个通用硬件基础上虚拟出的端到端的网络，每个虚拟网络具有不同网络功能，可以适配不同类型业务的需求，而不同的切片之间不会相互影响，可以保证不同业务的服务等级。”5G网络切片架构示意图如下所示，在运营商部署物理资源后，假如针对大众的上网业务可以虚拟出一个eMBB切片网络，之后再针对垂直行业中某些厂商的智能抄表业务，使用物理资源再虚拟出一个mMTC切片网络，两个切片网络分别为不同业务场景提供服务。虽然说垂直行业中各行各业对网络功能的需求多种多样，但是这些需求都可以总结为对网络带宽、连接数、时延、可靠性等网络功能的需求。本文的开篇已经介绍过5G标准将不同业务对网络功能的需求特点归纳为三大典型场景，相应的这三大典型场景对应的网络切片的类型分别是eMBB切片、mMTC切片、uRLLC切片。5G不同行业的业务可以使用不同的切片网络来承载，而即使提供相同业务的不同厂商也可以购买各自的切片网络从而向自己的客户提供通信服务。如下图所示，汽车行业的要提供自动驾驶服务，汽车厂商A和B可以分别订购运营商提供的uRLLC类型网络切片，使用不同切片网络实例将通信服务提供给自己的最终客户，实现车辆和远程平台的实时、可靠连接。不同的切片提供的服务级别是不一样的，当然不同切片等级所收取的费用也不同，对网络资源占用高的收费当然也就高。网络切片的租户还可以是另外一个运营商，这个运营商不建立自己的网络，直接使用其订购的切片网络，然后在一定范围内向自己的最终客户提供通信服务。网络切片可以让运营商在同一基础设施上切分出多个虚拟的端到端的完整的逻辑网络，每个网络切片包括无线网子切片、传输网子切片和核心网子切片，并且从无线网到承载网到核心网在逻辑上隔离。总而言之，网络切片具有「按需定制」、「端到端」、「隔离性」三大特点，能够做到端到端的动态按需部署网络服务，并保证切片具有独立的生命周期管理，切片之间相互不影响。没有切片的5G网络就好比没有灵魂的肉体，只有切片技术才能够使5G网络在今后的各行各业都能够发挥自己的作用，才能够使5G获得巨大的成功。来源：华为ICT学堂

请教两个问题买了MDC300，硬件里面就有Lisence信息吗？还是需要重新申请？MDC300的GE是车载还是普通的网络接口？加转接盒，是否连在网络接口6？支持PING？是否需要把PC的IP地址定在192.168.1.X网段？

因为要将网络的输出进行一定操作后，再计算Loss，因此使用了自定义Loss和WithLossCell即先将网络的输出进行GatherD操作，再与真实的label计算Loss出现如下错误：完整代码及错误文件请见附件

【重要公告】《开发者最佳实践挑战营》第八期活动已结束打卡名单及邀请名单已公示见：FAQ帖>>>注：统计截止2020年12月31日24:00前打卡数据为保证您顺利领取活动奖品，请全通关和获得邀请TOP奖的伙伴提前填写下方奖品收货信息链接。填写截止时间为1月8日，如您没有填写，视为放弃奖励填写地址请戳我>>欢迎参加华为云“开发者最佳实践挑战营”第八期这是本次挑战营的第8关，坚持闯关成功有机会获12900码豆/机械键盘/背包等精美好礼！本期活动截止12月31日。注意：参与闯关前，请确保已报名加入活动群并领取实践资源，如未入群请添加小助手微信（hwpaas01），回复“最佳实践”进入学习交流群！点击这里了解活动详情>>  | 点击这里查看活动FAQ>>为避免无法发放码豆，请从未登录过会员中心的用户需提前登陆下DevCloud会员中心本案例将详细介绍怎样用AI开发平台ModelArts自动学习基于美食数据集快速构建美食识别应用。什么是AI开发平台ModelArts？ModelArts是一站式的AI开发平台。ModelArts自动学习具有零代码、零AI背景、泛化能力强的特点，用户无需编码，无需AI背景，就可以使用自动学习快速构建自己的AI应用。（1）实践资源说明： ①   按本关实践指导文档操作，选用自动学习免费规格；②   对象存储服务 OBS：标准存储价格￥0.099/GB/月起，实践完后请及时删除存储文件。点击了解价格详情>> 实践ModelArts +OBS总费用预计：0元≤实践费用＜1元。点击这里预先领取AI开发平台新人福利100元按需代金券，可用于OBS按需使用；（2）最佳实践指南：点击查看实践指南>> （3）实践前准备：点击查看实践前准备视频演示>>（4）视频操作演示：点击查看实践视频演示>>任务一：根据实践指南完成实践操作（可查看实践视频演示）， 将完成模型训练截图、服务测试预测结果截图，并按回帖格式要求在本帖中回帖；1.【通关、参与奖励&规则】点击这里填写报名登记表，完成提交可获100码豆（已提交的可忽略）① 参与奖励：每关完成创建实例可获100码豆，共8关最高可获得800码豆；② 通关奖励：通过2关赠送：2000码豆（可选关）通过4关赠送：4000码豆（可选关）通过6关赠送：6000码豆（可选关）通过8关赠送：8000码豆（全通关）取通关最高数发放码豆，全通关可额外获得旅行本（套装）1本（限量100本取最先全通关者发放）和“开发者最佳实践挑战达人”荣誉证书；全通关用户点击填写问卷，以便证书发放；2.【邀请奖励】：每邀请1位好友并成功完成1关或多关实践并打卡，可额外获得1000码豆（最高可获得3000码豆）；3.【邀请TOP榜奖励】：邀请好友并完成1关或多关实践并打卡，邀请榜前3可获得机械键盘（雷柏）1个，邀请榜4-10名可获得华为云定制背包1个（如有并列取最先邀请完成打卡者）4.【分享奖励】：点击这里进入分享活动（最高可获1000码豆）>>>5.【邀请有礼】：点击这里进入邀请好友报名活动瓜分30万码豆，（最高可获得66666码豆）>>>活动结束后5个工作日内公示通关名单，15个工作日内发放码豆奖励； 码豆有什么用？码豆为虚拟货币可用于在华为云码豆会员中心-兑换商城中进行实物/虚拟礼品的兑换（礼品会不定期更换）兑换礼品点击查看：华为云专属码豆商城>>> 请务必按照以下格式要求进行回帖，否则无法计算奖励：1、华为云账号：xxx（即右上角的字母数字组合ID）2、邀请人华为云账号：xxx（即右上角的字母数字组合ID，如无就不填）3、实践感想：（如对课程内容、产品体验的建议或感想等）4、体验任务截图：（打卡样例图）注：华为云账号请勿填错，如填错码豆无法发放到账。实践截图：至少包含（a）完成训练模型截图（b）服务测试预测结果截图，共2张截图例1-完成模型训练截图：截图需包含右上角华为云账号例2-服务测试预测结果截图：【快速传送门】第1关任务：基于API网关的电话号码归属地查询第2关任务：使用函数工作流服务为图片打水印第3关任务：使用Redis实现排行榜功能第4关任务：使用DMS Kafka优化消费者poll第5关任务：使用CPTS进行电商网站性能测试第6关任务：基于ServiceStage的天气预报应用部署第7关任务：使用CloudIDE在云端环境开发AI交付实操第8关任务：使用ModelArts实现零代码美食分类模型开发>>点击进入：开发者最佳实践挑战营第八期活动页>>点击进入：活动FAQ帖>>点击进入：邀请有礼，瓜分30万码豆，最高可获66666码豆！>>点击进入：分享任务，获码豆换好礼！

一、网络研讨会体验1、开始时间还是加一个立即开始比较2、我们是否可以加一个入会时间呢，开始时间定在三点，可以在2点50的时候就开始入会。我发现手机版的观众可以进去，电脑观众进不去3、在华为云会议体验课中，我作为观众的会议ID和主持人发出来的ID不一样，但是还是可以入会哦4、取消嘉宾的广播出错了5、广播主持人也失败了6、感觉对网络的要求太高，网络有那么点不好都无法加入会议7、这里这个意思不是很明确，最好可以附一条操作文档的链接，而且我的防火墙本来就是关闭的，怎么还会有这种提示8、会议ID可以加一个位数检测，输多了输少了都可以检测出来9、针对于所有会议，会议开始前5分钟或者10分钟，应该发邮件或者发短信通知与会者，如果没有按照正常开始，结果取消了，应可以提醒一下10、这个取消，不是很能体现功能呀，直接搞成红色的结束会议挺好11、建议一下，针对于每个会议，下面最好可以加一个生成海报的功能，可以有二维码，主题，讲解者，背景图等，根据设置自动生成海报12、在华为云会议体验课中，有观众的名字是空的，不便于沟通13、在华为云会议体验课中，觉得最好还是有一个点名功能，主持人可以点名，并且被点的人可以看到，会有提示14、会议中主持人播放视频，观众无法听见声音二、同声传译1、创建会议时，同声传译功能开启后，不用设定同声传译设置也能创建会议，但是明明标了必须设定 2、会议通知这里不是应该有，邮件、短信、邮件日历吗？3、客户端预约会议时，也是只有两项通知，短信通知呢？4、客户端发起会议或者创建会议时候，没有同声传译功能选项5、我发起会议的时候没有会议主题，预约的时候才有6、加一个复制功能，复制ID、密码等，后面发现分享里面有，但是放出来应该好点 7、这里复制会议信息的时候，建议把这个所使用的APP写出来，然后放一个下载链接吧，让别人一看就知道用的什么APP，没有的话可以提前下载，比如：华为云会议，如没有安装，请提前下载：下载链接 8、创建会议的时候传译员不是必填项，但是会控的时候是必填项，我觉得应该都是必填啊9、同声传译设置中，可以删除所有的传译组，但是无法开始，x掉后，重新打开设置又恢复成了一个传译组，建议这里加一个无法删除最后一个传译组，灰色删除键并且给出提10、输入一堆东西，还是可以更新，重新打开页面乱字又不见了，这个地方是不是可以加一个检测，输入的不是邮箱或者手机号，就报错11、这个地方切换语言的方式不一样，应该统一一下比较12、没法自己添加自定义传译语言 13、开始有一会打开字幕就有反应了，然后刚才打开字幕又没反应，试了几次也是打开后没反应，开始打开是可以的。14、字幕的翻译准确性有待提高15、这个字幕加一个导出功能，可以做成会议纪要嘛#详情见附件

【功能模块】Atlas 200 使用usb方式进入系统后，配置网卡IP地址获取方式为DHCP，但未生效【操作步骤&问题现象】1、按照文档中的说明，将/etc/netplan/01-netcfg.yaml 文件修改如下图查看ip并没有分配成功【截图信息】【日志信息】（可选，上传日志内容或者附件）

【应用场景】用户无需输入相关信息，点击认证按钮即可连接无线网络进行上网【视频讲解】【操作步骤】1、点击“配置”>“站点配置”；2、点击“AP”>“SSID”，创建SSID；3、填写SSID名称，其他信息可根据实际情况进行填写，然后点击“下一步”；4、认证方式选择“开放网络”，打开“是否推送页面（Portal认证）”按钮，推送页面选择“默认匿名认证定制页面”（若需要自定义认证页面可在“准入>准入资源>页面管理>页面定制”进行修改）；5、点击“准入”>“准入策略”>“准入设置”>“高级参数”进入高级参数界面，相关认证信息可根据实际情况进行修改，在界面最下方打开“开启匿名认证”按钮，根据实际情况配置可匿名认证的起始IP地址和结束IP地址，点击“确定”；6、返回至SSID配置界面，勾选逃生策略，点击下一步；7、根据实际情况配置SSID相关的策略控制，点击“确定”；8、匿名认证方式的SSID配置成功，用户连接配置好的无线网络进行认证后即可正常上网。     若配置过程中遇到问题无法解决可联系云管理小助手微信cloudcampusSRE或400-822-9999热线电话。

面对华为云桌面无法开启，或者开启之后不正常的情况，本文主要针对硬件与信号连接进行分析与介绍！有以下3方面：1.云桌面终端供电检测2.网络检查与确定3.显示连接确定云桌面终端供电检测云桌面终端供电检测，供电不正常，设备电源键没有指示灯（见，“终端”无供电）；已经供电，设备电源键有“红色”指示灯（见，“终端”供电）；按电源键，设备开启，设备电源键有“绿色<有点偏黄色>”指示灯（见，“终端”开启）；如果电源没有指示，请检查电源适配器、电闸是否跳闸？“终端”无供电<没有颜色>“终端”供电<红色>“终端”开启<绿色>网络检查与确定网络检查与确定，如果网线的水晶头没有插好、网线断了、或交换设备没有供电，网口不会有“绿色”与“黄色”显示；如果网口的“黄色”灯保持常亮，不闪动，可能是网口通讯问题，可以将水晶头**，然后把交换设备断电再通电，再把水晶头插到网口，确定网口指示灯是否正常？如果不正常，请致电网管，报修。“网口”正常显示显示连接确定显示连接确定，DVI-I 转 VGA 头插至云桌面终端的显示接口（见，云桌面终端DVI转VGA头），然后通过VGA数据线连接至显示器；如果显示器上没有显示，检查显示器的供电是否正常？或者VGA线是否损坏（直接换另外一根正常的VGA线）？ 或者DVI转VGA转接头是否固定到位（安装）？云桌面终端DVI转VGA头显示器的供电与VGA口当然，确定以上没有问题之前，必须确定：显示器是否能正常工作？键盘与鼠标是否能正常使用？转自：云桌面终端CT3200，硬件与信号连接