Transformer Cognos操作
Transformer Cognos操作
一、打开IBM Cognos Transformer Configuration配置服务器地址
1.根据自己实际服务器地址配置网关URL和外部应用程序的分派器URL配置
2.文件以UTF-8另存
二、打开IBM Cognos Transformer创建模型
1.登录到服务器
2.开始创建
3.设置名称
4.选择数据来源(包、报表、等等):一般使用的是fm发布的数据包
5.选择要使用的FM数据包
6.选择主题打钩,然后add到 Query definition detail。并修改Query name为数据包的名称,便于区分不同的主题
7.可以选择yes 可以选择no
8.在增加数据包剩下的主题,点击数据包>add query from package or report
9.版本问题导致偶偶尔出现错误,直接忽视,点击OK在重复上一步操作,直至成功弹出窗口
10.重复步骤6的操作,增加另一个主题,接下来的主题需要增加请重复步骤9、10
三、操作
1.依次增加模型需要展示的指标
2.设置指标的属性(小数点位数,百分比,聚合类型等等)
3.增加公式计算的指标:如签单件数= “原始签单件数” - “全单退保件数” - “保单注销件数”
4.创建维度
①插入维度数据源(前提是之前有发布相关维度数据包)
如有下列弹出框,一直cancle直到成功,版本bug忽略
②创建跟随系统的日期类型
增加时间的层级
依次增加统计季统计月统计日期
③ 创建一个查表时间的日期(直接将事实表中的起保日期拖入维度框内)
设置时间类型为regular
将维度表中的字段逐个拖入维度框内
可对维度进行设置刷新、唯一,移动、描述、排序等
5.生成cube
①设置cube名称
②设置通过服务器刷新cube
③设置cube生成路径
④可设置指标不显示在模型里面
6.最后文件另存为mdl格式
Transformer Cognos操作相关推荐
- [VOT14](2022CVPR)CSWinTT: Transformer Tracking with Cyclic Shifting Window Attention
先贴一个算法整体框架图: Abstract 问题背景:Transformer架构得益于其有效的注意力机制已经在目标跟踪领域展示了巨大的优势. 提出问题:现有的Transformer追踪器都采用了在拉展 ...
- [论文阅读](Transformer系列)
文章目录 一.Video Transformer Network 摘要 引言 相关工作:Applying Transformers on long sequences Video Transforme ...
- [Transformer]MobileViT:Light-weight, General-purpose, and Mobile-friendly Vision Transformer
MobileViT:一种用于移动端的轻量级通用视觉Transformer模型 Abstract Section I Introduction Section II Related Work Secti ...
- CNN+Transformer算法总结(持续更新)
系列文章目录 本文总结了2021年以来,所有将CNN与Transformer框架结合的CV算法 如有疑问与补充,欢迎评论 CNN+Transformer系列算法 系列文章目录 前言 一.Conform ...
- 推荐系统 之 Transformer
1. Transformer transformer有很多种形式,Transformer,Universal Transformer,Transformer XL,GPT,BERT,ERNIE,XLN ...
- 腾讯提结合ACNet进行细粒度分类,效果达到最新SOTA | CVPR 2020
作者 | VincentLee 来源 | 晓飞的算法工程笔记 细粒度分类(Fine-Grained Visual Categorization, FGVC)是图片分类的一个分支,由于类别间的相似性非常 ...
- 微信图片翻译技术优化之路
微信(WeChat)作为 12 亿+用户交流的平台,覆盖全球各个地区.不同语言的用户,而微信翻译作为桥梁为用户间的跨语言信息交流提供了便利.目前微信翻译每天为千万用户提供数亿次的翻译服务,且团队技术持 ...
- 【读点论文】CMT: Convolutional Neural Networks Meet Vision Transformers
CMT: Convolutional Neural Networks Meet Vision Transformers Abstract 视觉transformer已经成功地应用于图像识别任务,因为它 ...
- 关于大型网站技术演进的思考
关于大型网站技术演进的思考(一)--存储的瓶颈(1) 前不久公司请来了位互联网界的技术大牛跟我们做了一次大型网站架构的培训,两天12个小时信息量非常大,知识的广度和难度也非常大,培训完后我很难完整理出 ...
最新文章
- having 与where 的异同点
- 缓冲区溢出_了解Java缓冲池
- mysql awr v1.0.1发布
- Thymeleaf——使用模板动态生成JavaScript脚本文件
- elastic-job配置类
- 网络邻居无法共享解决办法
- jdk1.8 base64注意事项
- System.out.println(i++); System.out.println(++i);的区别
- 实例对象的索引的方法
- 有鱼上钩!卖鱼!卖鱼!
- 华为根本没有鸿蒙系统,【图片】你看不明白的鸿蒙系统,才是华为缔造未来的“伟大”!华为并没有把系统划分为手机操作系统,我们就能知道华为想的并不是那么简单【手机吧】_百度贴吧...
- 3.第一本 docker 书 --- docker 网络
- 谷歌浏览器不兼容websocket的wss协议_为什么程序员都喜欢用Chrome浏览器?
- 苹果CMS10原生APP修改版 影视APP源码附安装教程
- 计算机相关英语生词积累
- 2018-2019ICPC焦作C题Supreme Command kd-tree
- SQLserver基础--语句、存储过程(七)
- 辉芒微IO单片机FT60F024-RB
- 什么是CAD定位功能?CAD定位功能如何使用?
- 离散数学复习--集合的势证明