各位亲爱的版主们，大家好！经过大家一个月的努力角逐，11月外部版主激励评比结果已出炉，数据公示如下，请查看！（在新标签页打开图片可查看清晰大图/见附件）·外部版主激励规则：点击了解更多转正礼/基础任务（在线时长15小时+，主题帖15+，回帖30+，技术长文5+/原创技术干货1+，合集1+，有效回复问题求助帖8+，完成这3项指标可获500元代金券和对应价值的实物礼品）请完成任务获得激励的版主，点击填写激励发放统计问卷反馈截止时间：2022年12月12日，以便小编进行相应的激励发放。​注：在线时长数据达标后，才会再去考察达标版主的三项任务完成情况；主题数+回帖数达标后，才会再去考察达标版主的技术长文数量情况。

10月份兑换的商品，还没有收到快递信息。我看公众号已经更新11月份的商品了~昨天私聊了小助手，但是一直没有回复。请问，这个是继续等一等，还是需要找其他人咨询求助呢？

数据模型驱动引擎(DME)公测邀约会11月30日正式开启

混合现实（物镜）注意事项本案例推荐使用PyTorch-1.8，需使用 GPU 运行，请查看《ModelArts JupyterLab 硬件规格使用指南》了解切换硬件规格的方法；如果您是第一次使用 JupyterLab，请查看《ModelArts JupyterLab使用指导》了解使用方法；如果您在使用 JupyterLab 过程中碰到报错，请参考《ModelArts JupyterLab常见问题解决办法》尝试解决问题。案例内容介绍GAN 监督学习是一种联合端到端学习判别模型及其 GAN 生成的训练数据的方法。GANgealing将框架应用于密集视觉对齐问题。受经典 Congealing 方法的启发，GANgealing 算法训练空间变换器将随机样本从在未对齐数据上训练的 GAN 扭曲为共同的、联合学习的目标模式。目标模式已更新，以使空间转换器的工作“尽可能简单”。Spatial Transformer 专门针对 GAN 图像进行训练，并在测试时自动推广到真实图像。我们可以使用它来进行密集跟踪或创建物镜。例如，我们将给猫贴一张卡通脸，给 Elon Musk 贴上小胡子，给小狗贴上驯鹿角！实验步骤1.安装依赖包安装完成之后需要重启Kernel，重启之后才会加载新安装的PyTorch库!export CXX=g++ !pip install ninja==1.11.1 ray==2.1.0 plotly==4.14.3 torch==1.10.1 torchvision==0.11.2 moviepy==0.2.3.5 lmdb==0.992.下载代码import os import moxing as mox if not os.path.exists('gangealing/'): mox.file.copy_parallel('obs://weilin/gangealing/', 'gangealing/')3.进入案例文件夹cd gangealing/gangealing🏷 model：要检测的物体，celeba 代表人👩🏻、dog代表狗🐶、 cat代表猫🐱、 cub代表鸟🦜🏷 pic：要添加的特效图片🏷 video_name：要添加特效的视频model = 'cat' #@param ['celeba', 'dog', 'cat', 'cub'] pic = 'ModelArts.png' video_name = 'demo.mp4'os.environ['RAW_VIDEO_PATH'] = video_name !chmod 777 ./ffmpeg os.environ['FFMPEG_BINARY'] = os.path.join(os.getcwd(), 'ffmpeg')4.对视频进行抽帧from pathlib import Path from utils.download import download_model, download_video from applications.mixed_reality import run_gangealing_on_video from applications import load_stn from glob import glob video_resolution = "512" #@param [128, 256, 512, 1024, 2048, 4096, 8192] pad_mode = 'center' #@param ["center", "border"] os.environ['FFMPEG_BINARY'] = os.path.join(os.getcwd(), 'ffmpeg') os.environ['VIDEO_SIZE'] = video_size = str(video_resolution) os.environ['PAD'] = pad_mode video = Path(os.environ['RAW_VIDEO_PATH']).stem os.environ['FRAME_PATH'] = f'data/video_frames/{video}' os.environ['VIDEO_NAME'] = video video_path = f'data/{video}' !chmod 777 process_video.sh !./process_video.sh "$RAW_VIDEO_PATH"!python prepare_data.py --path "$FRAME_PATH" --out "data/$VIDEO_NAME" --pad "$PAD" --size "$VIDEO_SIZE"5.为视频添加特效根据视频的长度和硬件规格，运行此单元需要几分钟，您可以在下方监控进度。fps = 30 batch_size = 1 use_flipping = False memory_efficient_but_slower = False if 'cutecat' in video_path: fps = 60 class MyDict(): def __init__(self): pass args = MyDict() args.real_size = int(video_size) args.real_data_path = video_path args.fps = fps args.batch = batch_size args.transform = ['similarity', 'flow'] args.flow_size = 128 args.stn_channel_multiplier = 0.5 args.num_heads = 1 args.distributed = False # Colab only uses 1 GPU args.clustering = False args.cluster = None args.objects = True args.no_flip_inference = not use_flipping args.save_frames = memory_efficient_but_slower args.overlay_congealed = False args.ckpt = model args.override = False args.out = 'visuals' if pic == 'dense tracking': args.label_path = f'assets/masks/{model}_mask.png' # Feel free to change the parameters below: args.resolution = 128 args.sigma = 1.3 args.opacity = 0.8 args.objects = False else: # object lense args.label_path = f'assets/objects/{model}/{pic}' args.resolution = 4 * int(video_size) args.sigma = 0.3 args.opacity = 1.0 args.objects = True stn = load_stn(args) print('Running Spatial Transformer on frames...') run_gangealing_on_video(args, stn, classifier=None) print('Preparing videos to be displayed...')from IPython.display import HTML from base64 import b64encode num = len(list(glob(f'{video}_compressed*'))) compressed_name = f'{video}_compressed{num}.mp4' congealed_compressed_name = f'{video}_compressed_congealed{num}.mp4' path = f'visuals/video_{video}/propagated.mp4' congealed_path = f'visuals/video_{video}/congealed.mp4' os.system(f"ffmpeg -i {path} -vcodec libx264 {compressed_name}") os.system(f"ffmpeg -i {congealed_path} -vcodec libx264 {congealed_compressed_name}")6.添加特效前的视频mp4 = open(video_name,'rb').read() data_url = "data:video/mp4;base64," + b64encode(mp4).decode() HTML("""<video width=512 autoplay controls loop><source src="%s" type="video/mp4"></video>""" % (data_url))7.添加特效后的视频mp4_1 = open(compressed_name,'rb').read() data_url_1 = "data:video/mp4;base64," + b64encode(mp4_1).decode() HTML("""<video width=512 autoplay controls loop><source src="%s" type="video/mp4"></video>""" % (data_url_1))8.制作自己的特效视频上传自己的视频，将视频放在gangealing/gangealing/下面上传自己的图片，将图片放在gangealing/gangealing/assets/objects/*/对应的种类的文件夹下面，自己制作的特效图片尺寸要是8192x8192修改步骤3里的3个参数，重新运行一遍即可！透明图片制作方法可以参考Photoshop制作透明图片。

业务问题：董良00602034/刘俊wx1220590开发问题：陈嘉星00795627/何清30037253运维问题：孙前坤wx1217900/覃文捷wx1217937需求通道：潘嘉玲wx1199993

DME新用户首次接入指南（遥测环境对接）

开发领域，技术热点层出不穷~大数据、AR/VR、AI、元宇宙……每一次新技术出现，都会引发众多开发者的讨论，开发者是否要追新技术？追，要投入时间和精力；不追，担心错失了解前沿的良机。你的选择是？欢迎大家回帖讨论期望看到大家精彩的评论：1、我要不要追热点？用哪种方式追？2、热点技术会带来什么好处？3、对于新技术，你是如何入门学习的？【本期微话题】技术热点出现，开发者该不该追？【活动时间】22年11月24日~22年12月7日【参与方式】1、直接回复本帖，就微话题题目进行回答讨论2、为你觉得优质回复的楼层点赞或发表评论【本期奖品】优质回复奖：奖品抽取数量有效回复楼层数需达到折叠帆布包120华为云云宝公仔240幸运回复奖：奖品抽取数量有效回复楼层数需达到开发者定制鼠标垫220开发者定制PVC包340【活动规则】1、开发者用户回复的内容，必须与本期的微话题相关，回复其他内容均视为无效内容，否则取消该用户获奖资格2、 开发者用户回复内容的字数需≥100字，禁止复制其他楼层内容或改编自其它楼层内容（包括本人发布在其他楼层的内容），如经发现，取消该用户获奖资格3、本次活动不限用户的总回复数及连续回复数，但需保证回复质量，如华为云社区小编认定参与用户有恶意刷楼嫌疑，则取消该用户获奖资格 【评奖方式】1、 在本帖所有有效回复的用户中抽取若干名幸运开发者获得幸运回复奖，奖品及数量见上方示例。2、 在所有参加回复的用户中，根据其回复质量及被回复的数量，综合评选优秀奖，奖品见上方示例。3、 本次活动将根据实际参与情况发放奖励，包括但不限于用户百分之百中奖或奖项轮空的情况。4、每期活动预计于结束后三天内完成奖项公示，并于结束后15个工作日内完成邮寄。【温馨提示】1、请务必使用个人实名账号参与活动（IAM、企业账号等账号参与无效）。如一个实名认证对应多个账号，只有一个账号可领取奖励，若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，均不予发放奖励。2、所有获得奖品的获奖用户，请于获奖后3日内完成实名认证，否则视为放弃奖励。

用Postman调用XDM运行态API接口的方法，请参考附件中的内容

1 数据建模：数据模型开发，降低用户开发数据的门槛，提供图形化的建模功能，支持导入其他建模工具生成的文件，帮助用户快速构建数据模型。且支持所有主流建模工具功能，包括模型设计，版本管理，多人协作建模等。2 数据服务：标准化的数据服务平台，提供一站式数据服务开发、测试部署能力，支持API自动生成。降低数据开发难度，提升数据开发体验和效率。3 数据权限：除了业界通用RBAC的标准权限控制功能，如维度设置、数据类型授权、服务授权、鉴权等，还包含实例的动态授权，可解决不同用户对数据权限的管理需求。4 数据质量：提供数据质量检查、数据标准化等功能，可根据数据标准和业务质量规则，对数据进行自动核标和质量检查，可自动执行数据唯一性、非法字符、一致性、完整性、时效性、连续性、有效性等各类规范性检查，统一管理和落地数据标准，从而管理和改善数据质量。5 数据集成：支持数据接入和数据分发，数据入湖，实时数据集成和数据库实时同步，支持单表、整库、增量、周期性数据集成。6 数据看板：提供企业级的元数据管理，提供数据模型统计、数据实例统计、数据服务统计、关系实体统计等看板功能。数据过程可视，数据配置，无需编码；处理结果可视，更直观。7 数据配置：功能可配置，可根据需要定制化数据配置功能，支持数据版本管理、树形结构、Master-Version、业务编码等功能，实现用户通过配置自动生成对应的数据服务。8 运营运维：支持从应用接入到上线，从监控告警到问题诊断分析的自动化运维；实现了从自动化应用快速接入、自动化部署、实时监控、智能诊断分析等功能，保证业务连续性和交付质量，提高运营运维效率。9 页面安全：统一的安全认证，应用隔离，通过数据的分级分类管理，数据加密，数据解密，数据脱敏，进行数据的全生命周期管理，保证数据的隐私合规、可审计、可回溯。

1 应用场景1：企业级数据管理案例：快速去A，保障业务持续1、完成了A国系统的替换改造，不再受欧美垄断挟制2、上云后便于实施运维，极大提升了业务操作效率和用户满意度3、提供了超过300+的数据服务API （ 小于100ms） ，支持公司主干系统日常作业2 应用场景2：轻量级数据管理案例：极简快速构建1、使用XDM快速设计建模、自动生成API与页面、服务编排与全文搜索，迅速构建应用，实现轻代码/无码化开发2、打开WeLink扫描书籍封面二维码，或WeLink直接搜索“CTO部门图书角”进入小程序找到书籍3、图书捐献/管理：后台管理图书借阅、捐赠

案例：基于DME，打造SaaS版PDM背景：主流 PLM 系统普遍垄断，中小企业尤其面临使用传统 PLM 带来硬件依赖、定制成本高、升级成本高和系统性能问题的挑战， XX 公司希望 自主研发一款产品数 据管理应用。目标： 100% 国产自研产品数据管理应用， 实现云部署摆脱对硬件的依赖和降低升级成本 ，提高系统性能、降低定制成本和升级成本方案： 以DME 为依托，基于华为云为中小型客户自主研发云化服务化 的产品数据管理应用 PDM 。成效：自研 SaaS 化的产品数据管理应用 ，沉淀 XX 公司自身的 PDM 行业资产

华为公司基于 DME 构建了 PBI 系统，PBI 承载了华为公司产品与解决方案、技术、研发团队等的基本信息，是公司产品基本信息的唯一、可信数据源

1 DME是云化SaaS 化的数据管理应用构建引擎，预制了丰富的数据管理和系统管理功能2 数据模型驱动、功能可配置、服务可编排、一键发布、设计即开发

1 传统研发数据管理系统面临的挑战2 构建面向对象的数据管理技术是数据治理的关键3 基于华为工业数据管理经验，打造工业 aPaaS ，成为工业软件的黑土地

数据模型驱动引擎DME论坛开通啦！欢迎各位专家，看客，走过路过的，常来浇水，施肥！