Microsoft Graph整合配置說明

2022-08-24 21:54:09 字數 1214 閱讀 5477

azure管理平台配置選擇azure active diretory,然後再點選應用註冊,選擇新註冊,註冊應用,配置重定向url:

b. 註冊成功後會產生應用程式(客戶端) id和

目錄(租戶) id,記錄下來備用,後面呼叫graph介面會使用到。

c.1 配置api許可權,選擇api許可權再點選新增許可權

c.2 使用日曆功能需要配置calendars.read和calendars.readwrite許可權,選擇microsoft graph,再選擇應用程式許可權,選擇calendars.read和calendars.readwrite許可權,配置完成後管理員授權同意(必須使用管理員賬號才能授權)

d. 配置證書和密碼,選擇證書和密碼,再點選新客戶端密碼,新增完成後,需要記錄下該密碼(該密碼只會出現一次,離開該頁面後面只能看到密文密碼了,需要記錄下來,後面呼叫graph介面會使用到)

e. 新增普通使用者

訓練集 驗證集 測試集

訓練集loss 驗證集loss 測試集loss 乙個好的網路,二者的差距應該是很低的。但一般情況下因為網路不可避免地存在一定程度上的過擬合,所以肯定是train loss低於test lost,但如果低太多,就得考慮是過擬合的問題還是因為樣本的特徵空間不統一的問題。驗證集基本是在每個epoch完成後...

訓練集,驗證集,測試集

普通引數就是可以被梯度下降所更新的,也就是訓練集所更新的引數。超引數是指訓練開始之前設定的引數,不在梯度下降的更新範圍內,比如網路層數 網路節點數 迭代次數 學習率等等 1.訓練集 確定模型後,用於訓練普通引數 2.驗證集 交叉驗證集cv 驗證集在每個epoch訓練完成後,用來測試一下當前模型的準確...

訓練集 測試集 驗證集

訓練集 用來訓練和擬合模型。驗證集 當通過訓練集訓練出多個模型後,使用驗證集資料糾偏或比較 測試集 模型泛化能力的考量。泛化 對未知資料的 能力 from sklearn.model selection import train test split import numpy as np from ...