檢測到您已登錄華為云國際站賬號，為了您更好的體驗(yàn)，建議您訪問國際站服務(wù)網(wǎng)站 http://m.cqfng.cn/intl/zh-cn
不再顯示此消息
檢測到您已登錄華為云國際站賬號，為了您更好的體驗(yàn)，建議您訪問國際站服務(wù)網(wǎng)站 http://m.cqfng.cn/intl/zh-cn
不再顯示此消息
查看預(yù)測大模型部署任務(wù)詳情 部署任務(wù)創(chuàng)建成功后，可以查看大模型部署的任務(wù)詳情，具體步驟如下： 登錄ModelArts Studio大模型開發(fā)平臺，在“我的空間”模塊，單擊進(jìn)入所需空間。 圖1 我的空間 在左側(cè)導(dǎo)航欄中選擇“模型開發(fā) > 模型部署”，完成創(chuàng)建預(yù)測大模型部署任務(wù)后，可以查看模型的部署狀態(tài)。
中。這個(gè)預(yù)測作業(yè)可以作為后續(xù)持續(xù)預(yù)測的依據(jù)，企業(yè)A可以定期地使用模型預(yù)測自己的新業(yè)務(wù)數(shù)據(jù)。同時(shí)企業(yè)A也可以根據(jù)新積累的數(shù)據(jù)訓(xùn)練出新的模型，進(jìn)一步優(yōu)化模型預(yù)測的精確率，再創(chuàng)建新的聯(lián)邦預(yù)測作業(yè)，產(chǎn)出更精準(zhǔn)的預(yù)測結(jié)果供業(yè)務(wù)使用。 父主題： 使用TICS聯(lián)邦預(yù)測進(jìn)行新數(shù)據(jù)離線預(yù)測
時(shí)序預(yù)測-time_series_v2算法部署在線服務(wù)預(yù)測報(bào)錯(cuò) 問題現(xiàn)象 在線服務(wù)預(yù)測報(bào)錯(cuò)：ERROR: data is shorter than windows。 原因分析 該報(bào)錯(cuò)說明預(yù)測使用的數(shù)據(jù)行數(shù)小于window超參值。 在使用訂閱算法時(shí)序預(yù)測-time_series_v
預(yù)測大模型訓(xùn)練常見報(bào)錯(cuò)與解決方案 預(yù)測大模型訓(xùn)練常見報(bào)錯(cuò)及解決方案請?jiān)斠姳?。 表1 預(yù)測大模型訓(xùn)練常見報(bào)錯(cuò)與解決方案 常見報(bào)錯(cuò) 問題現(xiàn)象 原因分析 解決方案 訓(xùn)練后推理服務(wù)部署失敗，報(bào)錯(cuò)“KeyError” 訓(xùn)練后推理報(bào)錯(cuò)“KeyError”: KeyError: '0.0' 訓(xùn)練類別特征列選擇為數(shù)值類型列。
發(fā)布訓(xùn)練后的預(yù)測大模型 預(yù)測大模型訓(xùn)練完成后，需要執(zhí)行發(fā)布操作，操作步驟如下： 登錄ModelArts Studio大模型開發(fā)平臺，在“我的空間”模塊，單擊進(jìn)入所需空間。 圖1 我的空間 在左側(cè)導(dǎo)航欄中選擇“模型開發(fā) > 模型訓(xùn)練”，單擊模型名稱進(jìn)入任務(wù)詳情頁。 單擊進(jìn)入“訓(xùn)練結(jié)果”頁簽，單擊“發(fā)布”。
得到模型時(shí)的輸出（預(yù)測項(xiàng)）。 除標(biāo)簽列外數(shù)據(jù)集中至少還應(yīng)包含兩個(gè)有效特征列（列的取值至少有兩個(gè)且數(shù)據(jù)缺失比例低于10%）。 當(dāng)前由于特征篩選算法限制，預(yù)測數(shù)據(jù)列建議放在數(shù)據(jù)集最后一列，否則可能導(dǎo)致訓(xùn)練失敗。 表格數(shù)據(jù)集示例： 以銀行存款預(yù)測數(shù)據(jù)集為例：根據(jù)預(yù)測人的年齡、工作類型、
空調(diào)溫度采集器適用于如空調(diào)管道溫度測量和監(jiān)測，導(dǎo)軌安裝或者表貼安裝方式，適用于無固定場合的測溫要求。一、產(chǎn)品簡介空調(diào)溫度采集器適用于如空調(diào)管道溫度測量和監(jiān)測，導(dǎo)軌安裝或者表貼安裝方式，適用于無固定場合的測溫要求。二、外形尺寸以下標(biāo)注的尺寸單位均為mm（毫米） 三、主要技術(shù)參數(shù)l
訓(xùn)練預(yù)測分析模型 創(chuàng)建自動學(xué)習(xí)后，將會進(jìn)行模型的訓(xùn)練，得到預(yù)測分析的模型。模型部署步驟將使用預(yù)測模型發(fā)布在線預(yù)測服務(wù)。 操作步驟 在新版自動學(xué)習(xí)頁面，單擊創(chuàng)建成功的項(xiàng)目名稱，查看當(dāng)前工作流的執(zhí)行情況。 在“預(yù)測分析”節(jié)點(diǎn)中，待節(jié)點(diǎn)狀態(tài)由“運(yùn)行中”變?yōu)?ldquo;運(yùn)行成功”，即完成了模型的自動訓(xùn)練。
實(shí)時(shí)預(yù)測 實(shí)時(shí)預(yù)測通過在計(jì)算節(jié)點(diǎn)部署在線預(yù)測服務(wù)的方式，允許用戶利用POST請求，在毫秒級時(shí)延內(nèi)獲取單個(gè)樣本的預(yù)測結(jié)果。 創(chuàng)建實(shí)時(shí)預(yù)測作業(yè) 執(zhí)行實(shí)時(shí)預(yù)測作業(yè) 刪除實(shí)時(shí)預(yù)測作業(yè) 父主題： 聯(lián)邦預(yù)測作業(yè)
M，并延長單步訓(xùn)練時(shí)長。 學(xué)習(xí)率 學(xué)習(xí)率用于控制每個(gè)訓(xùn)練step參數(shù)更新的幅度，一般來說需要選擇一個(gè)合適的學(xué)習(xí)率，否則當(dāng)學(xué)習(xí)率過大的時(shí)候會導(dǎo)致模型難以收斂，過小的時(shí)候會收斂速度過慢。 熱身比率 熱身階段占整體訓(xùn)練的比例。剛開始訓(xùn)練時(shí)若選擇一個(gè)較大的學(xué)習(xí)率，可能帶來模型的不穩(wěn)定，選
管理預(yù)測大模型評測任務(wù) 管理評測任務(wù) 在評測任務(wù)列表中，任務(wù)創(chuàng)建者可以對任務(wù)進(jìn)行克隆（復(fù)制評測任務(wù)）、啟動（重啟評測任務(wù)）和刪除操作。 登錄ModelArts Studio大模型開發(fā)平臺，在“我的空間”模塊，單擊進(jìn)入所需空間。 圖1 我的空間 在左側(cè)導(dǎo)航欄中選擇“評測中心 > 評測任務(wù)”，可進(jìn)行如下操作：
在“選擇模型”頁面，選擇“模型廣場 > 預(yù)測大模型 > 模型”，單擊“確定”進(jìn)入“創(chuàng)建部署”頁面。 在“創(chuàng)建部署”頁面，參考表1完成部署參數(shù)設(shè)置。 表1 預(yù)測大模型部署參數(shù)說明 參數(shù)分類 部署參數(shù) 參數(shù)說明 部署配置 選擇模型 可以修改如下信息： 來源：選擇“我的資產(chǎn)”。 類型：選擇“預(yù)測大模型”，并選擇需要進(jìn)行部署的模型和版本。
管理預(yù)測大模型訓(xùn)練任務(wù) 在訓(xùn)練任務(wù)列表中，任務(wù)創(chuàng)建者可以對任務(wù)進(jìn)行編輯、啟動、克?。◤?fù)制訓(xùn)練任務(wù)）、重試（重新訓(xùn)練任務(wù)）和刪除操作。 登錄ModelArts Studio大模型開發(fā)平臺，在“我的空間”模塊，單擊進(jìn)入所需空間。 圖1 我的空間 在左側(cè)導(dǎo)航欄中選擇“模型開發(fā) > 模型訓(xùn)練”，可進(jìn)行如下操作：
CPI預(yù)測 CPI預(yù)測基于蛋白質(zhì)的一級序列和化合物的2D結(jié)構(gòu)進(jìn)行靶點(diǎn)匹配，精確的預(yù)測化合物-蛋白相互作用。 單擊“CPI預(yù)測”功能卡片，進(jìn)入配置頁面。 配置靶點(diǎn)文件。 支持3種輸入方式，分別是輸入氨基酸序列、選擇文件、輸入PDB ID 輸入FASTA格式氨基酸序列，輸入框最多支持
創(chuàng)建聯(lián)邦預(yù)測作業(yè) 企業(yè)A單擊“聯(lián)邦預(yù)測 > 批量預(yù)測 > 創(chuàng)建”按鈕，進(jìn)入聯(lián)邦預(yù)測作業(yè)的創(chuàng)建頁面。企業(yè)A需要通過“算法類型”、“訓(xùn)練作業(yè)”等篩選條件可以找到用于預(yù)測的模型，點(diǎn)選使用的模型后單擊“確定”按鈕即完成聯(lián)邦預(yù)測作業(yè)的創(chuàng)建。 父主題： 使用TICS聯(lián)邦預(yù)測進(jìn)行新數(shù)據(jù)離線預(yù)測
可自行選擇您需要預(yù)測的列名。 標(biāo)簽列是預(yù)測模型的輸出。模型訓(xùn)練步驟將使用全部信息訓(xùn)練預(yù)測模型，該模型以其他列的數(shù)據(jù)為輸入，以標(biāo)簽列的預(yù)測值為輸出。模型部署步驟將使用預(yù)測模型發(fā)布在線預(yù)測服務(wù)。 “輸出路徑” 選擇自動學(xué)習(xí)數(shù)據(jù)輸出的統(tǒng)一OBS路徑。 說明： “輸出路徑”是存儲自動學(xué)習(xí)在運(yùn)行過程中所有產(chǎn)物的路徑。
型進(jìn)行評估，開發(fā)者可以了解模型的優(yōu)缺點(diǎn)，從而找到優(yōu)化方向。 預(yù)測大模型支持基于規(guī)則的自動評測，即基于相似度/準(zhǔn)確率進(jìn)行打分。 評測數(shù)據(jù)集的創(chuàng)建步驟與訓(xùn)練數(shù)據(jù)集一致，本章節(jié)僅做簡單介紹，詳細(xì)步驟請參見使用數(shù)據(jù)工程構(gòu)建預(yù)測大模型數(shù)據(jù)集。 登錄ModelArts Studio平臺，在“我的空間”模塊，單擊進(jìn)入所需空間。
批量預(yù)測 批量預(yù)測通過在計(jì)算節(jié)點(diǎn)后臺發(fā)起離線預(yù)測任務(wù)的方式，在任務(wù)完成后可以獲得指定數(shù)據(jù)集中所有樣本的預(yù)測結(jié)果。 創(chuàng)建批量預(yù)測作業(yè) 編輯批量預(yù)測作業(yè) 執(zhí)行批量預(yù)測作業(yè) 刪除批量預(yù)測作業(yè) 父主題： 聯(lián)邦預(yù)測作業(yè)
服務(wù)預(yù)測失敗 問題現(xiàn)象 在線服務(wù)部署完成且服務(wù)已經(jīng)處于“運(yùn)行中”的狀態(tài)，向服務(wù)發(fā)起推理請求，預(yù)測失敗。 原因分析及處理方法 服務(wù)預(yù)測需要經(jīng)過客戶端、外部網(wǎng)絡(luò)、APIG、Dispatch、模型服務(wù)多個(gè)環(huán)節(jié)。每個(gè)環(huán)節(jié)出現(xiàn)都會導(dǎo)致服務(wù)預(yù)測失敗。 圖1 推理服務(wù)流程圖 出現(xiàn)APIG.XX
部署預(yù)測大模型 創(chuàng)建預(yù)測大模型部署任務(wù) 查看預(yù)測大模型部署任務(wù)詳情 管理預(yù)測大模型部署任務(wù) 父主題： 開發(fā)盤古預(yù)測大模型
