檢測(cè)到您已登錄華為云國(guó)際站賬號(hào)，為了您更好的體驗(yàn)，建議您訪問國(guó)際站服務(wù)網(wǎng)站 http://m.cqfng.cn/intl/zh-cn
不再顯示此消息
中國(guó)站
中國(guó)站
International
Europe
檢測(cè)到您已登錄華為云國(guó)際站賬號(hào)，為了您更好的體驗(yàn)，建議您訪問國(guó)際站服務(wù)網(wǎng)站 http://m.cqfng.cn/intl/zh-cn
不再顯示此消息
訓(xùn)練作業(yè)找不到GP 問題現(xiàn)象 訓(xùn)練作業(yè)運(yùn)行出現(xiàn)如下報(bào)錯(cuò)： failed call to cuInit: CUDA_ERROR_NO_DEVICE: no CUDA-capable device is detected 原因分析 根據(jù)錯(cuò)誤信息判斷，報(bào)錯(cuò)原因?yàn)?span id="hlxpv5j" class='cur'>訓(xùn)練作業(yè)運(yùn)行程序讀取不到GP。
Open-EMMA是Waymo的端到端多模態(tài)自動(dòng)駕駛模型 (EMMA) 的一個(gè)開源實(shí)現(xiàn)，提供了一個(gè)用于自動(dòng)駕駛車輛運(yùn)動(dòng)規(guī)劃的端到端框架。利用視覺語言模型（VLMs）的預(yù)訓(xùn)練世界知識(shí)，通過整合文本和多視角相機(jī)輸入，實(shí)現(xiàn)對(duì)未來自車航路點(diǎn)的準(zhǔn)確預(yù)測(cè)和決策解釋。 資源規(guī)格要求 推薦使用“西南-貴陽一”Region上的Lite
步驟九：提交訓(xùn)練作業(yè)并查看作業(yè)狀態(tài) 當(dāng)參數(shù)配置完成后，單擊“提交”，創(chuàng)建訓(xùn)練作業(yè)任務(wù)。 訓(xùn)練作業(yè)一般需要運(yùn)行一段時(shí)間，前往訓(xùn)練作業(yè)列表，可以查看訓(xùn)練作業(yè)的基本情況。 在訓(xùn)練作業(yè)列表中，剛創(chuàng)建的訓(xùn)練作業(yè)狀態(tài)為“等待中”。 當(dāng)訓(xùn)練作業(yè)的狀態(tài)變?yōu)?ldquo;已完成”時(shí)，表示訓(xùn)練作業(yè)運(yùn)行結(jié)束，其生成的模型將存儲(chǔ)至對(duì)應(yīng)的“輸出”目錄中。
Qwen-VL基于Standard+OBS+SFS適配PyTorch NPU訓(xùn)練指導(dǎo)（6.3.912） 場(chǎng)景介紹 準(zhǔn)備工作 SFT全參微調(diào)訓(xùn)練 LoRA微調(diào)訓(xùn)練 查看日志和性能 訓(xùn)練腳本說明 常見錯(cuò)誤原因和解決方法 父主題： MLLM多模態(tài)模型訓(xùn)練推理
ModelArts訓(xùn)練時(shí)使用os.system('cd xxx')無法進(jìn)入文件夾怎么辦？ 當(dāng)在訓(xùn)練作業(yè)的啟動(dòng)腳本中使用os.system('cd xxx')無法進(jìn)入相應(yīng)的文件夾時(shí)，建議使用如下方法： import os os.chdir('/home/work/user-job-dir/xxx')
JSON 訓(xùn)練作業(yè)模型單個(gè)分類，包含類ID和類名。 表10 metric_values屬性列表 參數(shù) 參數(shù)類型 說明 recall Float 訓(xùn)練作業(yè)模型單個(gè)分類召回率。 precision Float 訓(xùn)練作業(yè)模型單個(gè)分類精確率。 accuracy Float 訓(xùn)練作業(yè)模型單個(gè)分類準(zhǔn)確率。
自定義鏡像的方式創(chuàng)建訓(xùn)練作業(yè)。 AI Engine 選擇代碼使用的AI引擎及其版本。支持的AI引擎與ModelArts管理控制臺(tái)里ModelArts支持的預(yù)置鏡像列表一致。 Boot File Path 訓(xùn)練啟動(dòng)文件，所選啟動(dòng)文件必須是當(dāng)前PyCharm訓(xùn)練工程中的文件。當(dāng)“Algorithm
步驟九：提交訓(xùn)練作業(yè)并調(diào)試 當(dāng)創(chuàng)建訓(xùn)練作業(yè)的參數(shù)配置完成后，單擊“提交”，在信息確認(rèn)頁面單擊“確定”，提交調(diào)試訓(xùn)練作業(yè)。 在訓(xùn)練作業(yè)列表中，剛創(chuàng)建的訓(xùn)練作業(yè)狀態(tài)為“等待中”。 在訓(xùn)練作業(yè)列表中，當(dāng)訓(xùn)練作業(yè)的狀態(tài)變?yōu)?ldquo;運(yùn)行中”時(shí)，單擊訓(xùn)練作業(yè)名稱進(jìn)入訓(xùn)練詳情頁，在訓(xùn)練詳情頁單擊Ju
使用VS Code創(chuàng)建并調(diào)試訓(xùn)練作業(yè) 由于AI開發(fā)者會(huì)使用VS Code工具開發(fā)算法或模型，為方便快速將本地代碼提交到ModelArts的訓(xùn)練環(huán)境、貼近本地開發(fā)習(xí)慣地編寫啟動(dòng)命令，ModelArts提供了一個(gè)訓(xùn)練作業(yè)場(chǎng)景下的IDE插件ModelArts-HuaweiCloud，用
即自定義模型），則模型文件必須滿足自定義模型規(guī)范（訓(xùn)練）才支持模型自定義訓(xùn)練。 當(dāng)使用自定義鏡像進(jìn)行模型微調(diào)時(shí)，要確認(rèn)鏡像是否滿足自定義鏡像規(guī)范，否則無法成功完成自定義訓(xùn)練。 進(jìn)入模型微調(diào) 登錄AI Gallery。 單擊“模型”進(jìn)入模型列表。 選擇需要進(jìn)行微調(diào)訓(xùn)練的模型，單擊模型名稱進(jìn)入模型詳情頁。
查詢訓(xùn)練作業(yè)指定任務(wù)的日志（預(yù)覽） 功能介紹 查詢訓(xùn)練作業(yè)指定任務(wù)的日志（預(yù)覽）接口用于獲取ModelArts平臺(tái)上指定訓(xùn)練作業(yè)任務(wù)的日志信息。 該接口適用于以下場(chǎng)景：當(dāng)用戶需要查看特定訓(xùn)練任務(wù)的運(yùn)行日志時(shí)，可以通過此接口獲取日志預(yù)覽。使用該接口的前提條件是用戶已知訓(xùn)練作業(yè)ID和
主流開源大模型基于ModelArts Lite Server適配AscendFactory PyTorch NPU訓(xùn)練指導(dǎo)（New） 方案概述 支持的模型列表 各模型支持的訓(xùn)練特性 各模型支持的最小卡數(shù)和序列長(zhǎng)度 版本軟件說明和要求 訓(xùn)練準(zhǔn)備工作 執(zhí)行訓(xùn)練任務(wù) 查看訓(xùn)練輸出結(jié)果 日志采集與存儲(chǔ)
set the train_url to an empty obs directory” 日志提示“UnboundLocalError: local variable 'epoch'” 使用訂閱算法訓(xùn)練結(jié)束后沒有顯示模型評(píng)估結(jié)果 創(chuàng)建訓(xùn)練任務(wù)并成功運(yùn)行, 但是發(fā)布到至AI Gallery時(shí)
主流開源大模型基于Standard+OBS+SFS適配MindSpeed-LLM PyTorch NPU訓(xùn)練指導(dǎo)（6.5.901） 場(chǎng)景介紹 準(zhǔn)備工作 執(zhí)行訓(xùn)練任務(wù) 查看日志和性能 訓(xùn)練腳本說明 常見錯(cuò)誤原因和解決方法 父主題： LLM大語言模型訓(xùn)練歷史版本文檔
主流開源大模型基于Lite Cluster適配MindSpeed-LLM PyTorch NPU訓(xùn)練指導(dǎo)（6.5.902） 方案概述 支持的模型列表 版本說明和要求 準(zhǔn)備工作 執(zhí)行訓(xùn)練任務(wù) 訓(xùn)練結(jié)果輸出 訓(xùn)練腳本說明參考 常見錯(cuò)誤原因和解決方法 父主題： LLM大語言模型訓(xùn)練歷史版本文檔
將插件代碼包中的test目錄及其中的訓(xùn)練腳本train_full.sh和train_performance.sh拷貝到{container_work_dir}/Sparse4D文件夾下。 開始訓(xùn)練與評(píng)估。 使用原始方式進(jìn)行訓(xùn)練與評(píng)估。 cd ${container_work_dir}/Sparse4D
合理的數(shù)據(jù)劃分和模型同步策略，充分發(fā)揮多GPU的計(jì)算能力，顯著提升訓(xùn)練效率。 MindSpore引擎的分布式訓(xùn)練參見MindSpore官網(wǎng)，可在左上角自行選擇相應(yīng)的版本進(jìn)行查看。 訓(xùn)練流程簡(jiǎn)述 單機(jī)多卡數(shù)據(jù)并行訓(xùn)練流程介紹如下： 將模型復(fù)制到多個(gè)GPU上 將一個(gè)Batch的數(shù)據(jù)均分到每一個(gè)GPU上
在左側(cè)導(dǎo)航欄中，選擇“模型訓(xùn)練 > 訓(xùn)練作業(yè)”進(jìn)入訓(xùn)練作業(yè)列表。 單擊“創(chuàng)建訓(xùn)練作業(yè)”，右上角單擊“返回舊版”，進(jìn)入舊版創(chuàng)建訓(xùn)練作業(yè)頁面。 配置訓(xùn)練作業(yè)基本信息 在創(chuàng)建訓(xùn)練作業(yè)頁面填寫訓(xùn)練作業(yè)基本信息。 表1 創(chuàng)建訓(xùn)練作業(yè)的基本信息 參數(shù)名稱 說明 名稱 必填，訓(xùn)練作業(yè)的名稱。 系統(tǒng)會(huì)
co/OpenGVLab/InternVL2-26B/tree/main https://huggingface.co/OpenGVLab/InternVL2-40B/tree/main 步驟九：開始訓(xùn)練 單機(jī)訓(xùn)練 cd ${container_work_dir}/InternVL/internvl_chat
Server適配PyTorch NPU訓(xùn)練微調(diào)指導(dǎo)（6.3.912） 方案概覽 本方案介紹了在ModelArts Lite Server上使用昇騰計(jì)算資源Ascend Snt9B開展LLaVA-NeXT模型的訓(xùn)練過程，包括pretrain_clip訓(xùn)練和Finetune_onevision訓(xùn)練。 約束限制
