1. 背景近年来，基于 Transformer、Large-kernel CNN 和 MLP 三种视觉主干网络在广泛的 CV 任务中取得了显著的成功，这要归功于它们在全局范围内的高效信息融合能力。现有的三大主流神经网络，即 Transformer、CNN 和 MLP，分别通过各自的方式实现全局范围的 Token 融合。其中，Transformer 网络中的自注意力机制将 Query-Key pairs 的相关性作为 Token 融合的权重。CNN 通过扩大 kernel 尺寸实现与 transformer 相近的性能。MLP 通过在所有令牌之间的全连接实现另一种强大的范式。所有这些方法都是有效的，但计算复杂度高 (O (N^2))，难以在存储和计算能力有限的设备上部署，限制了很多模型的应用范围。2. AFF Token Mixer: 轻量、全局、自适应为了解决计算昂贵的问题，研究人员构建了一种名为 Adaptive Fourier Filter（AFF）的高效全局 Token 融合算子。它通过傅里叶变换将 Token 集合变换到频域，同时在频域学习到一个内容自适应的滤波掩膜，对变换到频域空间中的 Token 集合进行自适应滤波操作。论文《Adaptive Frequency Filters As Efficient Global Token Mixers》：根据频域卷积定理，原始域中的卷积操作在数学上等价于对应的傅里叶域中的 Hadamard 乘积操作。这使得该工作所提出的 AFF Token Mixer 在数学上等价于使用一个空间分辨率和 Token 集合一样大小的动态卷积核在原始域中进行 Token 融合 (如下图右子图所示), 具有在全局范围内进行内容自适应 Token 融合的作用。众所周知，动态卷积的计算开销大，大空间分辨率的动态卷积核的使用开销对于高效 / 轻量级网络设计似乎就更加不可接受。但是本文所提出的 AFF Token Mixer 却可以作为同时满足以上优点的低功耗等效实现，将复杂性从 O (N^2) 降低到 O (N log N)，显著提高了计算效率。3. AFFNet：轻量级视觉网络新主干研究人员将 AFF Token Mixer 作为主要神经网络操作算子，构建了一个轻量级神经网络，称为 AFFNet。大量实验表明，AFF Token Mixer 在广泛的视觉任务中实现了优越的准确性和效率权衡，包括视觉语义识别和密集预测任务。4. 实验结果研究人员在视觉语义识别、分割、检测等多个视觉任务上对所提出的 AFF Token Mixer 和 AFFNet 进行评测，并将其和目前研究领域中最先进的轻量级视觉主干网络进行对比。实验结果表明，该工作提出的模型设计在广泛的视觉任务上均表现出色，验证了所提出的 AFF Token Mixer 作为新一代轻量高效的 Token 融合算子的潜力。

行为识别和视频分类是计算机视觉领域中非常有挑战性的课题，因为其不仅仅要分析目标体的空间信息，还要分析时间维度上的信息，如何更好的提取出空间-时间特征是问题的关键。从传统特征法到深度学习中的3DCNN，LSTM，Two-Stream。视频分类/行为识别问题行为定位即找到有行为的视频片段，与2D图像的目标定位任务相似。而行为识别即对该视频片段的行为进行分类识别，与2D图像的分类任务相似。视频分类/行为分析重要数据集深度学习任务的提升往往伴随着数据集的发展，视频分类/行为识别相关的数据集非常多，下面介绍一下HMDB-51据集。2.1 HMDB-51HMDB-51共51个类别，6766个短视频。数据集地址：http://serre-lab.clps.brown.edu/resource/hmdb-a-large-human-motion-database/#dataset，发布于2011年。数据来源非常广泛，包括电影，一些现有的公开数据集，YouTube视频等。从中选择了51个类别，每一个类别包含101个以上视频。分为5大类：常见的面部动作(smile，laugh，chew，talk)复杂的面部动作(smoke，eat，drink)常见的肢体动作(climb，dive，jump)复杂的肢体动作(brush hair，catch，draw sword)多人交互肢体动作(hug，kiss，shake hands)深度学习方法当前基于CNN的方法不需要手动提取特征，性能已经完全超越传统方法，以3D卷积，RNN/LSTM时序模型，双流法等模型为代表。  输入层（input）： 连续的(7帧)大小为60*40的视频帧图像作为输入。.硬线层（hardwired，H1）： 每帧提取5个通道信息（灰度gray，横坐标梯度（gradient-x），纵坐标梯度（gradient-y），x光流（optflow-x），y光流（optflow-y））。前面三个通道的信息可以直接对每帧分别操作获取，后面的光流（x，y）则需要利用两帧的信息才能提取，因此H1层的特征maps数量：（7+7+7+6+6=33），特征maps的大小依然是60* 40；卷积层（convolution C2）： 以硬线层的输出作为该层的输入，对输入5个通道信息分别使用大小为7* 7 * 3的3D卷积核进行卷积操作（7* 7表示空间维度，3表示时间维度，也就是每次操作3帧图像），同时，为了增加特征maps的个数，在这一层采用了两种不同的3D卷积核，因此C2层的特征maps数量为：（（（7-3）+1）* 3+（（6-3）+1）* 2）* 2=23* 2这里右乘的2表示两种卷积核。特征maps的大小为：（（60-7）+1）* （（40-7）+1）=54 * 34降采样层（sub-sampling S3）： 在该层采用max pooling操作，降采样之后的特征maps数量保持不变，因此S3层的特征maps数量为：23 *2特征maps的大小为：（（54 / 2） * （34 /2）=27 *17卷积层（convolution C4）： 对两组特征maps分别采用7 6 3的卷积核进行操作，同样为了增加特征maps的数量，文中采用了三种不同的卷积核分别对两组特征map进行卷积操作。这里的特征maps的数量计算有点复杂，请仔细看清楚了我们知道，从输入的7帧图像获得了5个通道的信息，因此结合总图S3的上面一组特征maps的数量为（（7-3）+1） * 3+（（6-3）+1） * 2=23,可以获得各个通道在S3层的数量分布：前面的乘3表示gray通道maps数量= gradient-x通道maps数量= gradient-y通道maps数量=（7-3）+1）=5；后面的乘2表示optflow-x通道maps数量=optflow-y通道maps数量=（6-3）+1=4；假设对总图S3的上面一组特征maps采用一种7 6 3的3D卷积核进行卷积就可以获得：（（5-3）+1）* 3+（（4-3）+1）* 2=9+4=13；三种不同的3D卷积核就可获得13* 3个特征maps，同理对总图S3的下面一组特征maps采用三种不同的卷积核进行卷积操作也可以获得13*3个特征maps，因此C4层的特征maps数量：13* 3* 2=13* 6C4层的特征maps的大小为：（（27-7）+1）* （（17-6）+1）=21*12降采样层（sub-sampling S5）： 对每个特征maps采用3 3的核进行降采样操作，此时每个maps的大小：7* 4在这个阶段，每个通道的特征maps已经很小，通道maps数量分布情况如下：gray通道maps数量= gradient-x通道maps数量= gradient-y通道maps数量=3optflow-x通道maps数量=optflow-y通道maps数量=2；卷积层（convolution C6）： 此时对每个特征maps采用7* 4的2D卷积核进行卷积操作，此时每个特征maps的大小为：1*1。对于CNNs，有一个通用的设计规则就是：在后面的层（离输出层近的）特征map的个数应该增加，这样就可以从低级的特征maps组合产生更多类型的特征。

AI大模型是指具有巨大参数量的深度学习模型，通常包含数十亿甚至数万亿个参数。这些模型可以通过学习大量的数据来提高预测能力，从而在自然语言处理、计算机视觉、自主驾驶等领域取得重要突破。AI大模型的定义具体可以根据参数规模来分类。根据OpenAI的分类方法，可以将AI模型分为以下几类：小型模型： ≤ 1百万个参数中型模型：1百万 – 1亿个参数大型模型：1亿 – 10亿个参数极大型模型：≥ 10亿个参数AI“大模型”是基于具有超级大规模的、甚至可以称之为“超参数”的模型，需要大量的计算资源、更强的计算能力以及更优秀的算法优化方法进行训练和优化。优点:智能：AI大模型能够模拟人类的思维和学习模式，通过大量的训练数据，从而提高人工智能的智能性。通用性：AI大模型能够自适应不同的工作和环境，可以适应各种不同的自然语言、视觉和声音数据。准确：AI大模型有更多的参数，能够处理更复杂的信息和更深入的上下文，提高了精度和准确性。高效：AI大模型通过并行计算和分布式训练，大大提高了计算效率，能够在短时间内处理大量的数据。缺点:环境依赖：AI大模型对于使用语言、环境等存在更高的依赖性，需要针对特定场景进行定制和使用。OpenAI承认ChatGPT"有时会写出看似合理但不正确或荒谬的答案"，这在大型语言模型中很常见，称作人工智能幻觉。其奖励模型围绕人类监督而设计，可能导致过度优化，从而影响性能，即古德哈特定律。数据集问题：AI大模型需要大量的标注数据，以便训练和优化模型。但实际场景中的数据通常是不完整、不一致和缺乏标注的。计算资源问题：AI大模型需要更多的计算资源，如多台GPU和分布式计算等，高昂的成本阻碍了普及和应用。可解释性问题：AI大模型对于预测结果的解释通常比较困难，难以解释其判断的依据和原因， 使得大模型的使用和应用存在风险和误判的情况。

AI大模型是指具有巨大参数量的深度学习模型，通常包含数十亿甚至数万亿个参数。这些模型可以通过学习大量的数据来提高预测能力，从而在自然语言处理、计算机视觉、自主驾驶等领域取得重要突破。根据OpenAI的分类方法，可以将AI模型分为以下几类：小型模型： ≤ 1百万个参数中型模型：1百万 – 1亿个参数大型模型：1亿 – 10亿个参数极大型模型：≥ 10亿个参数AI“大模型”是基于具有超级大规模的、甚至可以称之为“超参数”的模型，需要大量的计算资源、更强的计算能力以及更优秀的算法优化方法进行训练和优化。聊聊AI大模型原理AI大模型(如深度学习模型)的原理是基于神经网络和大量数据的训练，模型通过模拟人脑的神经元结构，对输入数据进行多层抽象和处理，从而实现对复杂任务的学习和预测。数据预处理：首先，需要对原始数据进行清洗、整理和标注，以便为模型提供合适的输入。这一阶段可能包括去除噪声、填充缺失值、归一化等操作。构建神经网络：接下来，根据任务需求，设计并搭建一个神经网络。神经网络通常由多个层次组成，每个层次包含若干个神经元。神经元之间通过权重连接，用于表示输入数据与输出数据之间的关系。前向传播：将经过预处理的数据输入到神经网络中，按照权重计算得出各层神经元的输出。这个过程称为前向传播。激活函数：在神经网络的每一层之后，通常会使用激活函数(如ReLU、Sigmoid或Tanh等)对输出进行非线性变换，以增加模型的表达能力。损失函数：为了衡量模型预测结果与真实目标之间的差距，需要定义一个损失函数。损失函数会计算预测误差，并将其作为优化目标。常见的损失函数有均方误差(MSE)、交叉熵损失(Cross-Entropy Loss)等。优化算法：根据损失函数，选择合适的优化算法(如梯度下降、随机梯度下降、Adam等)来更新神经网络中的权重和偏置，以减小损失函数的值。这个过程称为反向传播。训练与验证：重复执行上述步骤，直到模型在训练集上达到满意的性能。为了防止过拟合，还需要在验证集上评估模型的泛化能力。如果发现模型在验证集上的表现不佳，可以调整网络结构、超参数或训练策略等。部署与使用：当模型在训练集和验证集上表现良好时，可以将数据模型进行部署和使用。

OpenAI联合创始人和首席科学家Ilya Sutskever在UC伯克利的一场演讲中提出，希望通过压缩视角来解释无监督学习问题。不过值得一提的是，他指出，GPT模型也可以不通过压缩理念进行理解。基于学习方法，机器学习的大致可分为监督学习和无监督学习两种。在无监督学习中，我们需要用某种算法去训练无标签数据集，从而帮助模型找到这组数据的潜在结构。为了进行无监督学习，在OpenAI成立早期，他们认为通过压缩可以通向这一路径。随后，他们发现“预测下一个词元（token）”正是无监督学习可以追求的目标，并且意识到，预测就是压缩。这也正是后来ChatGPT成功的关键思想之一。他们通过不断训练自回归生成模型实现了数据压缩，如果数据被压缩得足够好，就能提取其中存在的所有隐藏信息。这样GPT模型就可以准确地预测下一个词元，文本生成的准确度也就越高。确定型无监督学习确定型无监督学习主要有自编码及稀疏自编码、降噪自编码等。自编码可以看作是一个特殊的3层BP神经网络，特殊性体现在需要使得自编码网络的输入输出尽可能近似，即尽可能使得编码无损(能够从编码中还原出原来的信息)。虽然稀疏自编码可以学习一个相等函数，使得可见层数据和经过编码解码后的数据尽可能相等，但是其鲁棒性仍然较差，尤其是当测试样本和训练样本概率分布相差较大时，效果较差。为此，Vincent等人在稀疏自编码的基础上提出了降噪自编码，其基本思想是，以一定概率使输入层某些节点的值为0，此时输入到可视层的数据变为x^，隐含层输出为y，然后由重构x的输出z，使得z和x的差值尽可能的小。概率型无监督学习概率型无监督学习的典型代表就是限制玻尔兹曼机，限制玻尔兹曼机是玻尔兹曼机的一个简化版本，可以方便地从可见层数据推算出隐含层的激活状态。

数据处理的目的是让开发者在模型训练之前拿到质量更高的数据集，以提升精度，降低模型训练成本1，数据效验和转换数据效验（对数据可用性进行判断和验证的过程）采集的数据是否有格式的问题，图像名称，后缀不满足训练算法的要求，可能无法识别，和无法解码等情况，因此，数据的效验非常重要，数据的标注格式可能也有很多种。ModelArts数据处理模块提供数据效验功能，对于图像数据，判断标注格式是否相符合要求，图像分辨率是否符合要求，图像通道是否符合算法要求，图像解码是否正常，图像名称和后缀是否满足规范数据转换（对数据进行规范化处理）数据转换是指数据大小，格式，特征等进行变换的过程，数据转换是为了使数据更适合算法选择和模型训练，使数据充分利用如图像有JPEG,PNG等格式，为了满足算法输入要求的格式，比如算法要求图像都是PNG格式，就要将不同的图像格式转换成PNG格式，这就需要转换格式并进行必要的数据整理数据清洗（数据进行去噪，纠错或补全的过程）1，离散化（针对连续的场景特征取值） 2，无量纲化（保持特征之间的公平性，提高模型精准度） 3，缺失值补全  4，分布变换（对数变换，指数变换等） 5，变量解码（文字，字母，频率等）数据选择（特征提取，聚类排序，选择最优子集）数据增强数据增强通过缩放，裁剪，变换，合成等操作直接或者间接增强数据量，进而进一步提升模型的训练精度，结构化数据和非结构化数据都可以做数据增强数据增强可以分为，离线数据增强和在线数据增强数据增强的常见方法1，空间几何变换旋转翻转变换缩放变换平移变换尺度变换2，像素和特征变换对比度变换噪声扰动颜色变化3，样本合成SamplePairingMixUp等

LLM语言模型是一种基于统计学和机器学习方法的自然语言处理技术，它用于评估和预测一个给定序列的概率分布，通常是单词序列或字符序列。语言模型的主要应用是文本生成、机器翻译、语音识别等任务。近些年，神经网络架构的语言模型参数规模已经达到几千亿，为了表示与传统语言模型的区别，大家习惯称之为大语言模型（LLM）。在机器学习中一般使用 Recurrent Neural Network 循环神经网络（RNN）来处理文字，需要一个词一个词的看，没办法同时大量处理。而且句子也不能太长，要不然学到后面前面都忘了。直到2017年的时候Google出来了一篇论文，提出了一个新的学习框架叫做：Transformer。他可以让机器同时学习_大量的文字，如同串联和并联的区别。现在很多NLP的模型都是建立在Transformer之上的。Google BERT里头的T，ChatGPT里的T都是指这个Transformer。GPT团队基于Transformer，18年发表了一篇论文介绍了一个新的语言模型，Generative Pre-trained Transformer，也就是GPT。大型语言模型 (LLM) 可通过根据文本中先前使用的单词预测单词的可能性，来生成类似人类的文本。之前的语言学习模型基本上都需要人监督或者人为给他设定一些标签。但GPT基本不怎么需要了，就把一堆数据放进去，一顿学就给学明白了。像这种大语言模型主要靠算法和参数量，同样的数据进去学的比谁都快比谁都好，参数量需要大量的计算，说白了就是砸钱。在GPT3之后加入了人工反馈的强化学习，他的每个词都是靠前文的相关性和上下文来计算出来的。而ChatGPT的核心是LLM Large Language Model 大语言模型。大预言模型是一种基于神经网络的模型，它经过大量文本数据的训练来理解和生成人类语言。该模型使用训练数据来学习，语言中单词之间的统计模式和关系，然后利用这些知识来预测后续单词，一次一个单词进行。GPT 3.5最大模型拥有1750亿个参数，分布在神经网络的96层中，使其成为有史以来最大的深度学习模型之一。

而且很准确。这样就引出了2个想法一个是对于行业、专业知识，人确实是不如机器那么丰富的。因为对于个人来说，隔行如隔山，但是机器不一样，什么知识都可以丢给他一个是机器确实回答正确，而且是自主回答，没有抄别人的答案。但是它真的说不出个所以然来，也就是大家说的没有解释性好了，第一张图第二张你能说出哪个是葫芦，哪个是南瓜吗？

【问题来源】   厦门国际银行 【问题简要】websocket请求强制签出 返回000-003【问题类别】  坐席【AICC解决方案版本】【必填】    AICC 8.22.100【问题现象描述】【必填】        websocket请求强制签出 使用质检工号请求qualitycontrol/forcelogout ，返回000-003 没有权限，但是同一个质检工号使用agent demo强制签出 是可以的。

23年【云声·建议】反馈活动第八场来啦~小编这次升级了新的玩法，不仅可以累积兑换奖励更有额外的高价值建议奖等你来领~累积最高金额有机会兑换华为GT系列手表快叫上小伙伴一起来云声提优化建议吧！【活动时间】8月1日-8月31日【活动对象】所有华为云用户如果您是新用户您也可以先去体验我们的免费云产品服务~再来吐吐槽~如果您是老用户功能问题？体验不好？快来云声提建议告诉我们吧！！【奖项设置】有效建议总积分第1名：300元开发者盲盒礼包有效建议总积分第2-3名： 200元开发者盲盒礼包有效建议总积分第4-10名：100元开发者盲盒礼包其中反馈高价值优质建议奖的用户额外获得100-200元开发者盲盒礼包（建议数量不限，可与其他奖项叠加）重点来了！！！从8月开始，8-10月云声获奖用户的奖励金额可以选择累积激励一次性发放一次集中兑换可选择兑换电子产品或者其他开发者定制礼品比如华为GT系列手表、无线耳机等【活动规则】1.有效建议积分云声关联产品/功能分为云产品建议、解决方案建议、平台建议，三种类型的建议对应的分值不相同，云产品建议（1分）、解决方案建议（0.5分）、平台建议（0.1分），按照当月有效建议类型对应不同分值以及邀请加分项来进行计算总排名，关联产品/功能可在云声提建议页面查看，示例如下；说明：云声关联产品/功能分别对应以上3种类型，取决于建议内容实际对应的产品/功能，与实际关联的标签无关。2.优质建议奖1）经内部产品研发团队评估为高价值优质建议奖的用户，额外奖励100元开发者盲盒礼包/人说明：高价值建议数量不限，且与有效建议积分奖可叠加，每位用户每月最多可获得一次；高价值优质建议要求建议能被采纳，以及内部评估建议对产品优化改进有重要作用；建议内容需要表述清晰，有明确的建议方案，最好有操作截图或链接等能进一步详细描述。3.注意事项1）若出现积分相同且排名一致的情况，在每月的已实现和已采纳建议中，会选出价值更高的建议用户给予奖励，基础评分计算规则，可参考如下表格。若同名次出现同分情况，由内部工作人员评选建议价值度更高的用户获奖2）同一用户在同一页面（文档）提出的同一类问题（包括但不限于错别字、语句不通顺、视觉体验等），在通过审核后仅算作一条有效建议数3）若发现代他人提交优化建议，此建议分值只取原分值30%4）兑换礼品以仓库现有礼品为准，不可以指定，如遇商品缺货，将随机换成其他等价值礼品发放【优质建议示例】云产品建议示例1：【功能建议】IDE Online 存储限制存在缺陷云产品建议示例2：现在python已经有3.11了，可构建工具还只停留在3.9

相信大家刚成为校园大使，对华为云HCSD，包括校园大使职责都有不清晰的地方特设立本【Q&A】贴，希望帮助大家快速解决问题，本帖将持续更新~~~励志写满100个【Q&A】，欢迎大家随时在本帖评论区提出疑问FAQQ1：HCSD是什么，如何了解HCSD？Huawei Cloud Student Developers（华为云学生开发者计划，简称HCSD），是由校园大使为代表的校园开发者组织，致力于连接高校师生和云服务，帮助开发者学习提升，推动高校生态的构建和发展。>>>点我快速进入HCSD官网Q2：全国性范围招募校园大使，成为校园大使有什么样的权益呢？权益说明：持续增加中...学习成长：每学期1-2次全国校园大使交流会，华为云专家坐阵分享，积累经验；官方大会门票：尊享华为官方大会如HC、HPDC免费门票，获取结识行业精英机会；活动交流：每学期1-2次自运营校园活动，获取云资源、技术指导、运营指导等支持；定制礼品：每年将结合社区及官方活动，赠予定制礼品；品牌打造：可获取个人品牌包装机会，在华为云媒体渠道露出；资源扶持：优先体验、试用华为云产品或服务的各项扶持计划；荣誉授予：每年度评选优秀校园大使、优秀学生开发者，并授予奖章或证书；就业推荐：加入华为云线上人才库、参与人才双选会，就业无忧，优秀校园大使还将获得简历内推。Q3：有没有宣传的材料可供查看？可参考附件处HCSD主打胶片Q4：HCSD都会举办什么类型的活动，如何找到HCSD相关活动？线上活动，如HCSD实训营/HCSD大咖直播，>>>点我去查看最新活动，搜索关键词HCSD；线下活动>>>HCSD校园沙龙，目前已在厦门大学、重庆理工大学、南昌大学、深圳技术大学等多所高校举办。Q5：校园大使自运营活动如何开展，有什么规则？自运营活动需要向华为云方申请，详情参见>>>HCSD学生自发活动合作规范Q6：HCSD论坛有什么作用？HCSD论坛是一个针对学生开发者线上社区平台，校园大使可在圈子中了解、分享技术知识、发布活动资讯。以学校为单位，让学校内的技术爱好者加入华为云生态技术圈。Q7：校园大使可以推荐其他学校的朋友成为HCSD校园大使嘛？欢迎多多推荐，请校园大使将候选人的联系方式及简历发给HCSD负责人Q8：一个学校招募几位校园大使？每个学校招募1-2位校园大使，其余爱好技术的同学可作为HCSD成员参与组织、举办活动Q9：校园大使任职几年？校园大使任职期为1年，期满前2个月需要推荐学弟/学妹换届为下任校园大使，并交接好工作对接给HCSD负责人。如校园大使意愿继续担任工作，可与负责人沟通。Q10：校园大使有什么管理规则？可详细查看>>>华为云HCSD用户协议本帖持续更新......如有疑问随时在本帖留言，我们会及时响应的哦~

HCSD校园大使自发活动合作规范一、 合作流程步骤角色操作内容时间备注说明1校园大使发送活动方案至HCSD负责人邮箱活动1个月前HCSD负责人邮箱地址：yuanruixue@huawei.com2华为云官方评审并回复收到方案后3-5工作日内以邮件形式回复评审结果3HCSD成员活动发布、宣传并落地活动评审通过1-10自然日内活动需要发布在HCSD论坛，校园大使需确保财务、资源有效使用管理4校园大使发送活动总结/复盘至HCSD官方邮箱活动结束后3-5工作日内HCSD负责人邮箱地址：yuanruixue@huawei.com5华为云官方活动费用报销发送活动总结后1-7个工作日内活动涉及物料申请需要提前一个月规划好明细，HCSD负责人进行物料制作及采买二、 活动方案策划、审核规则1. 活动与华为云目的一致性活动需要以“提升华为云在校内外的影响力”为宗旨，以华为云知识分享和技术实践为核心。2. 活动方案完整性方案需包括：活动主题、活动背景、活动目标、活动时间地点、活动规模、活动参与人数、活动流程及分工、物料需求明细、资金需求明细、风险控制等3. 活动方案的可行性和创意性活动方案申请模板请参考附件：HCSD校园大使自发合作申请书模板三、 活动验收要求1. 活动回顾、复盘目标达成情况、活动报名人数、活动参与人数、资源的投入及使用情况、是否在校内外扩大了华为云的知名度等2. 活动现场照片活动场地布置照片、活动过程照片、活动参与人员合影等3. 发票真实、完整开发票前先询问HCSD总负责人：yuanruixue@huawei.com活动复盘总结模板请参考附件：HCSD活动复盘总结模板四、 活动经费、物资规定1. 经费额度：0-1000元具体金额以活动规模、难易程度而定。经费申请需要提前一个月汇报申请采购。2. 相关物资：华为云的官方logo视觉图；活动物料（如横幅、海报等）的制作经费；活动礼品（根据具体活动方案采买、申请）；云资源代金券（根据具体活动需求发放）；赋能专家资源（需结合专家时间、地点、活动规模进行安排）；活动所需云服务使用说明。

华为云HCSD用户协议       在您加入华为云HCSD之前，请认真阅读并遵守本协议的全部内容。本协议适用于华为云HCSD所有人员，校园大使、导师、成员在HCSD内的所有行为均需符合本协议的规定。制定本协议的目的是指导成员在HCSD内健康成长，引导成员们共同打造一个积极向上、和谐团结、正能量的云服务知识交流和分享平台，培养和扶持更多云领域高校人才。本协议自您接受之日起生效。本协议包含您访问与使用华为云HCSD账户以及您参与或发布华为云HCSD活动时所应遵守的条款及条件。一、   管理规则基本要求1)       须遵守《互联网电子公告服务管理规定》及中华人民共和国其他各项有关法律法规。2)       禁止发布各种违反法律法规的内容。3)       严禁发表危害国家安全、损害国家利益、破坏民族团结、破坏国家宗教政策、破坏社会稳定、侮辱、诽谤、教唆、淫秽等内容的评论。4)       校园大使有权根据管理规则保留或删除评论内容、审核或踢除成员。二、   管理违例细则请自觉避免发表有以下内容的帖子，如果对HCSD有任何意见，请合理、善意地发表观点及建议。在HCSD论坛内发布以下内容的帖子，该帖子将被删除；情节严重的成员，将被踢出HCSD。(一)    无意义和灌水帖判定字数：少且无意义或只有寒喧内容（如“顶”、“DDD”、“ding”、“KK”等）；字符：纯数字、英文、表情、纯乱码等（如“88”、“9494”等）；误用：纯引用、纯复制他人帖子（一直只引用别人的帖，没有自己意见）；骗分：以赚钱、赚积分为由发布无意义帖子（如“小手一抖、积分拿走”等）；重复：相同或相似内容在多个版块重复发表；不符：发表内容与版块主题不符；空洞：没有明显话题或内容过于空洞；鉴定：被版务组鉴定为无意义回帖或灌水；如上述行为多次发生，将被视为恶意灌水。(二)      纯发泄引围观帖判定字词：偏激、极端、谩骂、诅咒、粗言秽语、人身攻击涉及其家人等等；依据：通篇没有靠谱的具体时间地点、描述含糊、猜测，或引用未经证实的言论；片面：以偏概全，无限放大——发布个例、偶发事件、版主或论坛能力范围之外的内容引起争议。(三)      欠客观帖判定不对等：仅仅强调自身权利，有意或无意忽略自身义务。如强调自由，却破坏正常的秩序、侵犯他人的自由；如强调要求自身得到尊重，却不尊重提出异议的粉丝用户；非理性：不理会规则、无视他人、自称流氓（或自称黑手、傻*、白*、老*、尼*等不文明词语）；不客观：无视时间、资源、权限等前提，未考虑可行性等不切实际的要求；无休止：版主管理员已经做出回复或受理后，仍然重复发帖、挑衅、威胁、报复、或其他流氓表达。(四)      违规帖判定违反宪法所确定的基本原则；危害国家安全，泄露国家秘密，颠覆国家政权，破坏国家统一；损害国家荣誉和利益；煽动民族仇恨、民族歧视，破坏民族团结；破坏国家宗教政策，宣扬邪教和封建迷信；散布谣言，扰乱社会秩序，破坏社会稳定；散布淫秽、色情、赌博、暴力、凶杀、恐怖或者教唆犯罪；侮辱或者诽谤他人，侵害他人合法权益；含有法律、行政法规禁止的其他内容；发表污秽、淫秽、诽谤任何一所高校、团体、个人的言论；恶意攻击其他HCSD及成员，制造紧张矛盾的言论；挑唆任何所在HCSD与其他HCSD之间紧张矛盾的言论；华为云外部广告贴一律删除，本校学生转让个人用品的除外；各种欺骗贴、无意义贴、灌水贴、重复帖、纯标题贴、纯表情帖；发表其他任何带有污秽、下流字眼的言论；发表谩骂、包含人身攻击以及和政治有关的内容；发表不符合版面主题，或者恶意的灌水内容；同一帖子多次出现或故意刷屏，特别是那些故意顶骂贴的成员，校园大使有权将其踢除HCSD；文章内容或个人签名包含会严重影响网友浏览的内容或格式；三、   HCSD发帖置顶、高亮、加精的规定以下帖子可以申请置顶、高亮、加精：与华为云HCSD平台相关的资源，包括但不限于云服务领域知识学习、经验分享、活动交流等相关的资源；关注度高的帖子；其他类型帖子，该校HCSD校园大使认为可以加精的。四、   投诉及举报方式成员可发送邮件到campushcsd@huaweicloud.com进行投诉，在论坛帖、QQ、微信等渠道投诉，不受理。接到投诉及举报邮件后，我们将会在1-3个工作日进行处理。邮件格式：【投诉及举报】HCSD名称+发件人华为云账号名邮件正文：说明举报/投诉的原因及内容五、   HCSD使用规则(一)      HCSD角色1)       校园大使：HCSD的管理者，由高校学生代表担任，负责HCSD成员管理、内容管理、活动管理等，享有校园大使各项权益。工作职责：成员管理：管理所在HCSD的成员，拥有人员审核、成员删除、成员权益发放等权限。内容管理：管理所在HCSD的版务，拥有版内帖子的发布、置顶、删除等权限。活动管理：管理所在HCSD的活动，拥有活动发起、奖品配置等权限。校园大使申请要求：线上申请：须注册华为云账号，完成实名认证，并提供在校相关证明。如有HCSD组织经验，将优先通过审核。线下申请：合作院校可以向华为方代表提出创建申请。2)       导师：HCSD的高级顾问，由高校老师、教务人员或外部专家组成，每个HCSD可拥有多名导师，享有导师各项权益并承担HCSD指导职责。导师职责：协同管理：协同校园大使做好HCSD的整体运作，包括HCSD内容建设、活动策划等，与校园大使共同拥有活动发起、奖品配置等权限。校园大使换届保障：确保校园大使换届的顺利进行，在无校园大使的阶段，导师需代行校园大使职责，确保HCSD的正常运行。加入要求：通过校园大使的邀请或所在院校的推荐成为导师。3)       成员：主要以学生为主，可参与HCSD组织的各项活动，享有HCSD赋予的相关权益。成员职责：遵从HCSD运行规范，促进HCSD扩大和提高活跃度。维护HCSD内部的良好氛围，拥有发帖回帖的权限。积极参与HCSD举办的各类活动。加入要求：所在院校已成立HCSD的，可自由申请加入，由校园大使审核通过即可。(二)      HCSD角色权益HCSD权益角色分类权益类型细则校园大使导师成员官方大会门票华为全联接大会门票√（限Top校园大使）华为开发者大会门票√（限Top校园大使）华为云产品优先体验华为云服务体验，理论实操全方位提升√√√名誉及物质激励活动实物礼品√√√优秀校园大使证书/奖杯√个人品牌打造华为云官方媒体渠道露出，提高个人知名度√活动合作校园大使自运营活动提供支撑√参与华为云校园活动给予活动激励√√认证福利华为云微认证专享优惠√√√华为云开发者认证专享优惠√√√注：上述部分权益需完成特定任务方可获取，详细任务将陆续在HCSD中发放。六、   校园大使管理规则(一)      成为校园大使的条件HCSD的校园大使必须为对应HCSD所属院校的在读学生/在职老师。在本校有一定的影响力，具备线上线下组织活动能力。具备运营能力，包括产出优质内容、扩大HCSD规模、提升HCSD成员数等。愿意与HCSD共同进步、成长，想要挑战自我、证明自己。(二)      校园大使注意事项校园大使须积极登录所管辖HCSD，积极配合官方活动，及时响应官方管理团队的通知，推动本院校所在HCSD的发展。未经官方授权的情况下，严禁校园大使私自利用管理权限，为任何组织、机构、企事业单位或个人谋取利益；任何含有商业名称、标识、联系方式等信息的内容（包含但不限于文字、图片、网络链接、二维码等）均视为商业内容，严禁HCSD内出现除华为云之外的商业内容，包括但不限于帖子内容、名片头像、简介、背景图、签名档、友情链接等。校园大使须对所管辖HCSD内存在的不良信息（如广告、辱骂等违反国家法律法规，或违反HCSD协议的内容）及时进行处理。严禁校园大使滥用管理权限，无故踢除HCSD成员，删除成员正常发言；将违反国家法律法规、违反用户协议、不符合HCSD版面主题或不适当的内容设置为精品贴、置顶帖、高亮贴等。校园大使须自觉维护华为云HCSD的利益及声誉，服从华为云HCSD的战略规划。(三)      校园大使卸任方式1)       主动卸任因个人原因不愿继续担任校园大使，可向官方工作人员提交卸任申请，并推荐一名成员继承校园大使职务，完成工作交接，并由工作人员进行考核、审批。2)       自然卸任校园大使于HCSD所在高校毕业前，必须申请转让校园大使身份，并在HCSD内推荐一名继承校园大使职务的学生继续运营HCSD，在毕业前一学期完成HCSD交接工作；校园大使任期以学生证注册时间进行判定，任期将满之时，校园大使须向官方工作人员提交卸任申请，由工作人员进行审批；校园大使自然卸任前，HCSD会重新开放校园大使申请通道，保证校园大使平稳换届。3)       官方撤销校园大使身份校园大使被HCSD内外任何人投诉/举报后，官方工作人员将根据情况的真实性和严重性，对校园大使予以警告或撤职处理。校园大使违反协议规范，华为云官方有权撤销其校园大使身份。未经官方授权私自涉及商业行为的，撤销其校园大使身份。无能力应对HCSD任务的，消极推脱及恶意抵制官方活动的，官方通知24小时内没有回应的，撤销其校园大使身份。未能在规定时间内补交有效证件和个人信息的，撤销其校园大使身份。提供虚假证件或谎报个人信息的，经举报查证后撤销其校园大使身份。附则本协议于2022年3月25日由华为云官方审核并通过。如华为云官方工作人员认为校园大使存在其他不恰当行为，华为云保留进行适当处理的权利。本协议内容将根据实际情况进行完善和更新，更新自公布之日生效。最终解释权归华为云所有。

近日，华为云HCSD校园沙龙走进武汉大学！带领2020级自动化专业生产实习的学生们了解鸿蒙技术知识及发展动态。武汉大学自动化系袁立宏老师、华为云开发者创新中心总监童得力、华为湖北云技术专家陈卓、华为湖北云业务经理雷宇出席了本次沙龙。活动伊始，华为云开发者创新中心总监童得力围绕以开发者为核心的华为云生态及高校人才培育，展开“华为开放能力助力创新实践人才培养”的主题演讲。他重点介绍到华为开放能力中多端统一的HarmonyOS，可以联合适配全场景的各种设备。HMS Core，让开发更高效。华为云将协同鸿蒙、欧拉、昇腾等多元生态，从学习交流、应用实践、考试认证、实习就业全方面使能开发者。全球正在进入数字经济时代，数字技术成为推动万物互联的快速通道，数字化发展已成为全球重要共识，将数字技术融入教育体系以加快数字化转型已成必然趋势。华为湖北云技术专家陈卓围绕“数字化转型趋势及人才需求”详细介绍了华为云开发者认证，真正让开发者在云上作业，懂开发会开发，与开发者共成长。并在现场指导学生顺利通过认证考核，拿到华为云开发者认证证书。活动现场，氛围十分活跃，学生们不仅踊跃参与认证实践，还和专家进行互动问答，切磋交流。一直以来，华为云在数字人才培养的沃土上持续耕耘，加速全栈创新，为开发者提供实际技术支持。未来，基于华为云生态体系，华为云将加大投入，为校园开发者提供丰富的开发工具，搭建学习、交流、分享、实践的平台，孵化开发者人才生态圈，向数字产业输送更多优秀人才，为推动中国数字经济的发展贡献力量。

2023年7月20日，华为云HCSD校园沙龙活动在中国石油大学（华东）举行，本次活动由华为云计算技术有限公司主办，中国石油大学（华东）海洋与空间信息学院与华为青岛数字城市联合创新中心共同承办，旨在携华为云技术专家走进校园，通过技术交流、动手实践帮助学生了解行业最新动态、学习云领域知识，提升技术能力，助力院校人才培养，共建高校生态。中国石油大学（华东）海洋与空间信息学院副院长李世宝教授首先进行致辞，他表示，“海空学院大力实施‘学科融合、科教融合、产教融合’发展战略，中国石油大学作为教育部直属高校，电子和通信专业作为国家一流专业，一直谋求与行业领头企业共建协同创新的学生培养平台，打造高校与企业耦合发展的新路径和新样板。希望校企双方能够进一步深化合作，形成产教良性互动、校企优势互补的发展格局。”随后，华为青岛数字城市联合创新中心相关负责人发表致辞，“功以才成，业以才兴。如今数字产业在迅速发展，而高校人才正是数字产业的践行者。为了构建优良的高校生态，华为公司面向高校开放华为云平台能力助力高校培养数字人才，未来华为云将继续紧密携手中国石油大学，从人才培养、科学研究、师资建设到产学研合作，形成体系化及常态化的校企合作，助力高校数字人才的培养。”以云和AI为核心的全场景智慧时代正在加速到来，各行各业将通过新技术进行数字化转型，重构体验、优化流程、使能创新，打造面向未来的核心竞争力。高校开发者如何抓住时代机遇，学好AI、学以致用？华为云人工智能算法工程师李忻瑶对此展开分享，为现场同学讲解了AI发展的现状、趋势和市场洞察，分享了华为云盘古大模型的总体架构、关键技术和商业落地案例，以及华为云ModelArts的能力呈现和关键技术，并为高校开发者提供了学习建议。随后，华为云DTSE开发者技术服务专家房立明进行了“基于ModelBox的AI人工智能端云协同应用开发”主题分享，基于AI应用开发与运行框架 ModelBox开源代码，华为云ModelArts提供ModelBox在线开发环境，华为云HiLens提供开发插件与工具，帮助开发者便捷开发AI应用，并在线部署到云、边缘设备、端侧设备上运行和管理。活动现场，中国石油大学的同学们踊跃参与，抓住机会与专家互动交流。为助力高校学生真正在云上作业，懂开发、会开发，做全能开发者，此次活动还为学生发放了华为云开发者认证考试券名额，通过获得开发者认证，学生能够进入华为云产业人才库，提升就业机会，助力数字产业人才生态发展。活动结束后，海空学院党委书记郭文、副院长李世宝、院系老师及骨干学生一行共同到访华为（青岛）数字城市联合创新中心，参观创新中心展厅，并就校企合作人才培养进行座谈。华为云一直以来都与高校保持紧密的合作，始终坚持产教融合协同育人，培养数字化人才。作为华为云落地青岛西海岸本地的产业创新赋能平台，华为（青岛）数字城市联合创新中心积极助推企业智改数转，赋能新区产业高质量发展，同时致力于新技术人才培养，为新区发展注入人才活水。未来，创新中心将陆续开展一系列面向高校的赋能活动，与高校联合教学，畅通产学研，助力人才创新发展，培养复合型创新型人才。