管理布局
本文为您介绍如何通过DDM管理布局。为了保持模型设计ER图的美观性，在模型设计时可以对模型进行布局，目前提供分层布局、正交布局两种布局算法。模型设计时，在 开始 页面，您可以单击 布局 对模型进行布局操作，默认为正交布局。
工作流概述
创建工作流：空白 如果您希望根据业务情况完全自定义一个工作流，您可以创建一个空白工作流，在工作流上从零开始构建工作流模型。创建工作流：预置模板 Designer 为您提供了大量预置模板，便于您直接套用模板快速构建工作流模型，如果您的...
模型训练
Designer支持通过连线的方式，将各个节点组织构建成一个有上下游关系的模型工作流。Designer支持界面化的节点参数配置，为您降低建模技术门槛。步骤二：调试模型 Designer画布上方有运行、全部任务查看等按钮，便于您在建模过程中或构建...
离线模型（OfflineModel）相关组件
您可以在构建模型工作流的下游，连接 复制MaxCompute离线模型 组件，将模型固定输出为指定名称，具体如下图所示。您可以在该组件的 参数设置 页签，配置以下参数。其中：目标MaxCompute Project名：如果不配置该参数，则默认为当前工作空间...
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）...
Pipeline部署在线服务
前提条件 已创建模型工作流（包含数据预处理、特征工程、模型预测的离线数据），并成功运行。详情请参见 构建模型。快速入门 您可以参考以下视频，快速了解如何使用Pipeline部署在线服务。打包Pipeline模型 将Pipeline模型部署为在线服务 ...
什么是AutoML
超参数不同于模型内部参数，模型内部参数在学习过程中被不断地更新和优化，超参数在学习过程开始前就设置，在模型训练过程中保持不变。超参调优：Hyper Parameter Optimization简称HPO，是指手动或者自动进行超参数调优，而本文中特指是...
训练加速（Pai-Megatron-Patch）概述
本文为您介绍Pai-Megatron-Patch的工作原理和使用流程。背景信息 Pai-Megatron-Patch工具是阿里云机器学习平台PAI算法团队研发，基于阿里云智算服务PAI-灵骏平台的大模型最佳实践解决方案配套工具，旨在帮助大模型开发者快速上手灵骏产品，...
产品功能
当前版本支持的机器学习模型包括：聚合器（Aggregator）、Cox风险比例回归模型（CoxPH）、深度学习（DeepLearning）、分布式随机森林（DRF）、梯度提升模型（GBM）、广义线性模型（GLM）、广义低阶模型（GLRM）、孤立森林（IF）、K均值聚类...
5分钟使用EAS一键部署LLM大语言模型应用
LangChain在RAG应用中的工作原理：将一个大的数据源，比如一个20页的PDF文件，分成各个区块，并通过嵌入模型（比如BGE、text2vec等）将它们转换为数值向量，然后把这些向量存储到一个专门的向量数据库里。LangChain首先将用户上传的知识库...
什么是Topic
工作原理 在上图中分为设备、物联网平台和业务服务器三端，其中设备和物联网平台的通信基于MQTT协议。设备、业务服务器、物联网平台的通信过程请参见 使用Topic通信。MQTT（Message Queuing Telemetry Transport）是一种基于 发布/订阅 ...
EAS模型服务概述
模型在线服务EAS（Elastic Algorithm Service）是PAI产品为实现一站式模型开发部署应用，针对在线推理场景提供的模型在线服务，支持将模型服务部署在公共资源组或专属资源组，实现基于异构硬件（CPU和GPU）的模型加载和数据请求的实时响应...
推理加速（Blade）概述
工作原理 PAI-Blade以Wheel包的形式安装到用户环境，无需申请资源、上传模型和数据的繁琐步骤。您可以在代码中调用PAI-Blade的Python接口，使模型优化集成在工作流中，且能够在本地对优化完成的模型进行性能验证。此外，您还可以便捷地尝试...
Prompt最佳实践
Prompt 工程简介 Prompt（提示词）是一个指令、问题或者语句，能被 用来引导或指示一个语言模型生成特定的文本输出。Prompt是用户与语言模型交互的起始点，它告诉模型用户的意图，并且期望模型能以有意义且相关的方式回应。通过精心设计的...
组件参考：所有组件汇总
ALS矩阵分解 交替最小二乘ALS（Alternating Least Squares）算法的原理是对稀疏矩阵进行模型分解，评估缺失项的值，从而得到基本的训练模型。swing训练 该组件是一种Item召回算法，您可以使用swing训练组件基于User-Item-User原理衡量Item...
FM算法
FM（Factorization Machine）算法兼顾特征之间的相互作用，是一种非线性模型，适用于电商、广告及直播的推荐场景。组件配置 Designer 提供的FM算法模板包括FM训练和FM预测组件，您可以在原PAI-Studio控制台首页的 FM算法实现推荐模型 区域...
评分卡训练
评分卡是信用风险评估领域常用的建模工具，其原理是通过分箱输入将原始变量离散化后再使用线性模型（逻辑回归或线性回归等）进行模型训练，其中包含特征选择及分数转换等功能。同时也支持在训练过程中为变量添加约束条件。说明 如果未指定...
安全告警概述
适用于Linux系统的告警 告警类型 具体检测项 检测原理说明 持久化后门 篡改内核模块配置文件 检测模型发现您的服务器上有篡改内核模块配置文件行为，该行为常见于Rootkit修改配置文件以达到自启动的目的。恶意启动项脚本 检测模型发现您...
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...
创建工作流：空白工作流
如果您需要创建的工作流与预置模板差别很大，您也可以创建空白工作流，在空白工作流中从零开始添加组件构建模型。本文为您介绍如何创建空白工作流。前提条件 已创建工作空间，详情请参见 创建工作空间。操作步骤 进入Designer页面。登录 ...
AICS实现对积分过程的稳定控制
如果采样周期为5秒，则对应的差分模型FIR曲线为：上图的采样周期为5秒，所以在原阶跃模型中，相邻两个采样点的距离变长，两个点的差也相应变大，造成了在采样周期为5秒的情况下，差分阶跃响应模型的增益为5。CV配置 在积分环节控制器的CV...
工作原理
工作原理 日志服务通过消费组或SQL方式抽取或聚合出监控指标，按照调度规则定时拉取数据输入模型，将巡检出来的结果按照事件标准写入目标日志库（internal-ml-log）中，并对异常发送告警通知。具体工作原理如下图所示。功能特性 日志服务的...
服务部署：控制台
EAS 支持将从开源社区下载的模型或您自己训练获得的模型部署为推理服务或AI-Web应用。针对不同方式获取的训练模型，EAS 支持不同的部署方式。此外，EAS还提供了一系列针对特定场景的部署方式，您可以通过控制台快速将其部署为API服务。本文...
SAM自动图片分割和预标注
在左侧导航栏单击 工作空间列表，在工作空间列表页面中单击待操作的工作空间名称，进入对应工作空间内。在左侧导航栏单击 快速开始，进入快速开始页面。在快速开始首页，单击 计算机视觉 区域下的 图像分割，然后在右侧的模型列表中，单击 ...
建模空间
需要注意的是：以上图为例，模型设计师在工作空间Project_1中进行模型设计（模型1），这套模型通过模型设计空间物化部署至Project_2、Project_3后，如果在应用过程中发现模型1需要完善，则仅能在Project_1中进行修改，Project_2、Project_3...
工业视觉智能基本概念
工作区 通过预设的场景帮助用户识别自身需求，用户通过工作区管理自己的数据集与模型。工作区是完整视觉智能能力的承载主体，用户可以对工作区进行独立授权。数据集 工业视觉智能产品的视觉智能模型通过深度学习来获得，而深度学习依赖于...
搭建场景
创建场景完成后，您可根据业务模型搭建3D业务场景，展示孪生模型中的实时数据、状态及告警信息等。本文介绍搭建场景的具体操作。前提条件 已完成创建场景。具体操作，请参见 创建场景。添加模型 在场景编辑工作台的顶部操作栏，默认选中 ...
模板工作流demo
工作流运行结束后，单击 模型列表。在 模型列表 对话框中，选择要部署的模型，并单击 部署至EAS。在 部署服务 页面，模型文件 和 Processor种类 默认已配置完成，其他参数可根据实际需要参考界面提示修改配置。单击 部署。模型服务创建成功...
模型版本准入状态及事件触发
模型管理支持通过模型准入状态变更来触发模型下游事件。适用场景包括模型版本准入后自动更新EAS模型服务，模型版本准入状态发生变化后自动发送钉钉群机器人消息，模型版本准入状态变化后自动调用指定的HTTP或HTTPS服务。前提条件 工作空间...
概念解释
自定义模型 自订阅模型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 循环次数代表...
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...
模型训练最佳实践
创建新模型训练任务需要选择模型类型，平台支持两种模型类型，如果第一次训练模型，一般选择预置模型，如果希望基于已训练的模型进行再次训练，则可选择自定义模型，定义如下：预置模型 预置模型为未经过任何训练的原始模型，您可以通过...
数据安全
可用性说明 对象存储 OSS 数据备份和容灾 文件存储 NAS 备份和恢复文件 云原生大数据计算服务 MaxCompute 备份与恢复 同时PAI EasyCkpt是PAI为PyTorch大模型训练场景而开发的高性能Checkpoint框架，通过实现接近零开销的模型保存机制，...
蚂蚁 PaaS 平台核心领域模型介绍
工作空间组（WorkspaceGroup）应用服务实例组（AppService Instance Group，AIG）部署单元（Cell）工作空间组（WorkspaceGroup）工作空间组（WorkspaceGroup）是工作空间（Workspace）在多地域的扩展，在多地域内对资源进行分组隔离管理。...
导入模型使用说明
本文介绍了使用Row-oriented AI导入模型的操作步骤。步骤1：开启PolarDB for AI功能和冷数据归档功能 您需要在目标集群上开启PolarDB for AI功能和冷数据归档功能，具体的操作步骤请参见 开启PolarDB for AI功能 和 开启冷数据归档。说明 ...
心脏病预测
本工作流基于真实的心脏病患者体测数据，为您介绍如何通过数据挖掘算法构建心脏病预测模型。前提条件 已创建工作空间，详情请参见 创建工作空间。已将MaxCompute资源关联到工作空间，详情请参见 管理工作空间。数据挖掘流程 数据集 本工作...
元数据仓库共享模型概述
直接使用可能会因为变更导致下游数据加工任务出错，通过元仓共享模型可保持输出元数据的稳定性。元数据共享模型存储方式及产出时效说明 元数据共享模型是一系列元数据相关的物理表，基于Dataphin的系统元数据和相应计算引擎的元数据加工...
开发流程
进入工作空间后，您可以使用PAI子产品进行AI开发。本文介绍如何快速上手并使用PAI及常用的AI开发流程，您可以结合实际情况选择。快速开始 您可以通过快速开始快速上手并体验PAI的训练和部署流程，详情请参见 快速开始概述。如果您想更详细...
编排工作流
基本功能 在配置工作流时，您可以执行以下基本功能：创建工作流 将元素添加到工作流 编辑工作流 删除工作流 复制工作流 触发工作流 创建工作流 登录 Mobi。在顶部菜单栏选择 应用管理，在右上角搜索框中输入目标应用，例如 TEST。在指定的...
MapReduce模型
背景信息 MapReduce模型只有一个Reduce，所有子任务完成后会执行Reduce方法，可以在Reduce方法中返回该任务示例的执行结果，作为工作流的上下游数据传递。如果有子任务失败，Reduce不会执行。Reduce失败，整个任务示例也失败。MapReduce...
- 产品推荐
- 这些文档可能帮助您