组件参考：所有组件汇总
组件类型 组件 描述 自定义组件 自定义组件 支持在AI资产管理中创建自定义组件，自定义组件创建成功后，您可以在Designer中将该组件与官方组件串联使用进行模型训练。源/目标 读OSS数据 该组件用来读取对象存储OSS Bucket路径下的文件或...
性能指标
LogisticRegressionWithHe 10万 100维*100维 训练 50分钟 神经网络MLP 100万 100维*100维 训练 30分钟 决策树-XGBoostWithDp 5亿 100维*100维 离线预测 50分钟 决策树-GBDTWithDp 5亿 100维*100维 离线预测 120分钟 线性回归-...
Word2Vec
Word2Vec算法组件利用神经网络，通过训练，将词映射为K维度空间向量，且支持对表示词的向量进行操作并和语义相对应。输入为单词列或词汇表，输出为词向量表和词汇表。使用说明 Word2Vec组件的上游需要接入 词频统计 组件。说明 词频统计的...
人工神经网络
人工神经网络（Artificial Neural Network，缩写ANN），简称神经网络或类神经网络，是一种模仿生物神经网络（动物的中枢神经系统，特别是大脑）的结构和功能的数学模型或计算模型，用于对函数进行估计或近似。人工神经网络有多层和单层之分...
基于eGPU优化套件的ResNet50模型训练和推理
本文以卷积神经网络模型ResNet50的训练和推理为例，为您介绍如何通过Docker或Kubernetes使用eGPU优化套件，进行GPU容器虚拟化和资源共享。本实践中的ResNet50模型基于NVIDIA官方开源代码DeepLearningExamples实现。步骤一：准备模型和数据...
视频分类训练
算法简介 视频分类模块提供主流的3D卷积神经网络和Transformer模型用于视频分类任务的训练，目前已经支持的模型包括X3D系列的X3D-XS、X3D-M及X3D-L和Transformer模型的swin-t、swin-s、swin-b、swin-t-bert，其中swin-t-bert支持视频加文本...
安全联邦学习-任务模式FL
三、安全联邦学习已支持的能力 用途 算法分类 已支持算法 分类 决策树 XGBoostWithDp GBDTWithDp 逻辑回归 LogisticRegressionWithHe 神经网络 神经网络MLP 回归 线性回归 LinearRegressionWithHe 神经网络 神经网络MLP 四、如何进行安全...
PAI-TF概述
背景 TensorFlow是Google最新的开源深度学习计算框架，支持CNN、RNN及LSTM等多种神经网络模型，对语音、图像及文本等领域的模型训练效率极佳。TensorFlow的功能丰富且强大，并拥有高度灵活的API，受到业界的高度关注。PAI-TF是人工智能平台...
安全联邦学习-工作流FL
三、安全联邦学习已支持的能力 用途 算法分类 已支持算法 分类 决策树 XGBoostWithDp GBDTWithDp 逻辑回归 LogisticRegressionWithHe 神经网络 神经网络MLP 回归 线性回归 LinearRegressionWithHe 神经网络 神经网络MLP 四、如何进行安全...
创建及管理数据集加速槽
在使用数据集加速器（DatasetAccelerator）进行训练数据加速前，您需要创建数据集加速槽来绑定数据源的存储地址。系统会根据数据源类型、数据大小、训练的框架以及模型等因素，对关联的数据集数据进行预处理，以提高对数据集数据的访问速度...
MLP二分类/MLP多分类/MLP回归
多层感知机是一种前馈神经网络，通过多个神经元的组合对输入特征进行非线性变换和特征提取，最终输出一个连续的预测结果。在训练过程中，利用反向传播算法（Backpropagation）和梯度下降算法（Gradient Descent）来优化模型参数，以最小化...
灵骏常见问题
您使用神经网络进行的许多计算都可以很容易地分解成更小的计算，各个小计算不会相互依赖。智能计算灵骏与普通GPU托管服务有什么不同？智能计算灵骏集群采用专为大规模AI计算场景所设计的系统架构和多层性能优化技术，能充分利用整体的计算...
横向MLP二分类/MLP多分类/MLP回归
多层感知机是一种前馈神经网络，通过多个神经元的组合对输入特征进行非线性变换和特征提取，最终输出一个连续的预测结果。在训练过程中，利用反向传播算法（Backpropagation）和梯度下降算法（Gradient Descent）来优化模型参数，以最小化...
Z-Score归一化
在机器学习领域，Z-Score归一化经常用于数据处理，例如神经网络、聚类分析等应用。组件截图 二、参数说明 参数名称 参数说明 选择归一化字段 选择需要归一化的字段。可多选。三、有配置文件可读 在上游有配置文件可以选择的时候，可以使用...
创建安全联邦学习任务（任务模式）
适用特征维度特别多，特别是神经网络算法。数据集设置 配置使用方和加持方的数据信息，用于后续的数据处理。使用方：指需要数据的一方。加持方：指提供数据的一方。训练集：需训练的数据表。Label字段：指标签字段，用于后续训练学习。对齐...
基本概念
cuDNN NVIDIA推出的用于深度神经网络的GPU加速库。DeepGPU 阿里云专门为GPU云服务器搭配的具有GPU计算服务增强能力的免费工具集合。AIACC-Taining 阿里云自研的分布式训练任务AI加速器，可以显著提升训练性能。AIACC-Inference 阿里云自研...
支持向量回归算法（SVR）
sigmoid：使用该函数作为核函数时，效果类似多层神经网络。c 松弛系数的惩罚项系数。取值为大于0的浮点数，可不填。默认值为1。说明 如果数据质量较差，可以适当降低惩罚项 c 的值。epsilon SVR损失函数的阈值。当预测值与实际值的差值等于...
LLM on DLC-Megatron on DLC最佳实践
大语言模型（LLM）是指参数数量达到亿级别的神经网络语言模型，例如：GPT-3、GPT-4、PaLM、PaLM2等。Megatron-LM 是由NVIDIA的应用深度学习研究团队开发的Transformer模型训练框架，它可以高效利用算力、显存和通信带宽，大幅提升了大语言...
Contextual Bandit 算法
在这种循环下，训练集和测试集与监督学习独立同分布的假设相去甚远，同时系统层面上缺乏有效探索机制的设计，可能导致模型更聚焦于局部最优。在用户行为稀疏的场景下，数据循环问题尤其显著。问题的本质：有限的数据无法获得绝对置信的预估...
数据库内机器学习
目前Lindorm ML支持的算法如下表所示：任务类型 算法 说明 时序预测 DeepAR DeepAR算法是基于RNN的深度神经网络算法。详细信息，请参见 DeepAR论文。TFT Temporal Fusion Transformer算法是基于Transformer机制的深度神经网络算法，详细...
Kohya使用方法与实践案例
此时您可以选择借助神经网络，完成对所有图片批量生成文本描述的工作。您也可以在Kohya中选择使用一个叫做BLIP的图像打标模型。打标 数据集 在Kohya-SS页面，选择 Utilities>Captioning>BLIP Captioning。选择已创建的数据集里面上传的图片...
模型仓库（FastNN）
PAI模型仓库FastNN（Fast Neural Networks）是一个基于PAISoar的分布式神经网络仓库。目前FastNN已经支持了Inception、Resnet、VGG等经典算法，后续会逐步开放更多的先进模型。目前FastNN已经内置于 Designer 平台中，并且可以直接在该平台...
模型创建
TFT TFT（Temporal Fusion Transformer）算法是基于Transformer机制的深度神经网络算法，详细信息，请参见 TFT论文。时序异常检测 esd 达摩院自研算法，适用于尖刺型异常（例如监控曲线出现尖刺的现象），对于数据点中有少量显著离群点的...
概念解释
模型中心模块核心概念解释如下表所示：模块 概念 解释 训练数据 训练集 调优所用的数据集，格式一般为Prompt+Completion的文本数据，可通过Excel进行编辑和上传，最小训练数据条数为20，最大训练数据条数为10000，一条训练数据Prompt+...
使用AMD CPU实例部署通义千问Qwen-7B-Chat
ZenDNN运行库包括为AMD CPU架构优化的基本神经网络构建块的API，使深度学习应用程序和框架开发人员能够提高AMD CPU上的深度学习推理性能。wget ...
自动机器学习（AutoML）
AutoML工作原理 AutoML实现自动化调试参数的工作原理，是通过实验、Trial、训练任务进行循环迭代，来找到最优的超参组合。AutoML使用限制及规格 AutoML的使用限制以及规格，包括当前支持的地域，支持的搜索算法TPE、GridSearch（网络搜索）...
基本概念
自定义模型 自定义模型版本是基于您训练过的模型进行再次训练，从而调优模型效果，请注意，由于大模型的训练原理，多次训练模型时，后序训练易丢失前序训练已习得的能力，建议后序训练数据需要采样或保持前序训练数据。循环次数 循环次数...
AutoML工作原理
AutoML实现自动化调试参数的工作原理，是通过实验、Trial、训练任务进行循环迭代，来找到最优的超参组合。AutoML的工作机制如下图。您设定好超参数的值域、搜索算法、停止条件配置后，AutoML将其作为一次实验（experiment）传入到后端进行...
应用场景
图数据库GDB针对高度互联数据的存储和查询场景进行设计，并在内核层面进行了大量优化，非常适合营收增长、金融风控、商品推荐、社交推荐、循环担保检测、异常指标监控和违规团伙挖掘等场景。营收增长 图数据库GDB提供智能搜索推荐一体化...
拉勾教育
拉勾教育基于拉勾网在互联网人才服务行业的经验，共同研发出一系列课程和服务，为互联网人提供学习机会，拉勾教育已开设专栏和训练营两种学习方式，课程涵盖研发、产品、设计、运营及市场等领域。客户痛点 在拉勾教育众多的课程中，有一块...
拉勾教育
拉勾教育基于拉勾网在互联网人才服务行业的经验，共同研发出一系列课程和服务，为互联网人提供学习机会，拉勾教育已开设专栏和训练营两种学习方式，课程涵盖研发、产品、设计、运营及市场等领域。客户痛点 在拉勾教育众多的课程中，有一块...
模型训练最佳实践
模型训练 启动训练后，列表上的模型状态将变更为训练中，可通过点击查看按钮进入详情页，查看训练的详情，包括训练过程的指标、训练时长、数据详情等，同时可随时终止训练，我们这里仍然以百科知识阅读理解任务的训练为示例，此任务500条...
弹性Job服务功能介绍
后端弹性Job服务支持在一个实例（Job）内循环多次执行训练任务，避免任务在多次执行过程中实例（Job）被反复拉起和释放，提升服务吞吐效率。同时，后端弹性Job服务会在队列长度过长或过短时自动进行扩缩容，保证资源的高效利用。推理场景 ...
应用场景
超大规模GPU算力系统，全对等网络架构，全资源池化，可以搭配PAI（机器学习平台）使用，支持多种训练框架（Pytorch、TensorFlow、Caffe、Keras、Xgboost、Mxnet等），可以满足多种规模的AI训练和推理业务。AI基础设施。平滑扩容。满足不同...
灵骏智算资源配额
阿里云PAI为您提供灵骏智算资源，可用于AI开发和训练，如果您希望进行高性能AI训练、高性能计算，可以通过配置资源配额来使用灵骏智算资源。本文为您介绍如何新增、管理以及使用资源配额。前提条件 已创建灵骏智算资源专有资源组并购买了...
PAI灵骏智算服务概述
您只需为AI训练所消耗的资源付费，无需建设、调优和运维复杂的计算节点、存储及RDMA网络，即可使用高扩展性、高性能、高性价比的智能计算基础设施环境。产品架构 PAI灵骏 是软硬件一体化设计的算力集群服务，硬件涵盖了服务器、网络、存储...
创建训练任务
说明 当资源配额选择灵骏智算资源时，为了充分利用灵骏智算资源的高性能RDMA网络，当使用自定义镜像时，需手动安装RDMA，操作详情请参见 RDMA：使用高性能网络进行分布式训练。镜像地址：支持配置您的自定义镜像、社区镜像以及PAI平台镜像...
模型调优
混合训练 通用混合训练支持用户将自身训练数据与采样的千问基础模型通用多领域、多行业、多场景数据混合，进行训练，从而提高训练效果，避免基础模型能力的遗失，注意，选择混合训练后，混合采样的数据将计入训练Token数据量中，一并计费，...
如何开启模型训练
训练前的数据准备 训练集：训练所用的数据集，格式一般为Prompt+Completion的文本数据，可通过excel/json进行编辑和上传，最小训练数据条数为20，最大训练数据条数为10000，一条训练数据Prompt+Completion总字符数不高于8000，高于8000的...
数据集加速器概述
通过感知深度学习训练的模型类型、网络结构，对图片、文本、视频等数据进行预先打包和处理，提升海量小文件训练场景的性能。全托管，开箱即用。云上全托管服务，操作简单，开通即可使用。弹性可伸缩。依托于云上IaaS（Infrastructure-as-a-...
- 产品推荐
- 这些文档可能帮助您