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...
FAQ
Q1.怎么快速进行标注？...标注工具怎么只有一个？...模型列表里面的模型是所有基于平台训练生成的模型，而模型提取列表里面的模型只是基于本次训练候选模型评估完成后提取的模型。模型列表的模型是所有历次模型提取列表的模型总和。
常见问题
本文主要介绍自学习工具使用过程中的常见问题。...模型列表里面的模型是所有基于平台训练生成的模型，而模型提取列表里面的模型只是基于本次训练候选模型评估完成后提取的模型。模型列表的模型是所有历次模型提取列表的模型总和。
XGBOOST回归
使用时，数据格式如下，其中key的下标应从1开始，value应均为数值：参数设置 参数名称 参数英文名称 参数说明 树的棵树 tree_num 迭代次数，即决策树或线性模型的数量。树的最大深度 max_depth 决策树的最大深度。学习率 learning_rate ...
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...
XGBOOST多分类
使用时，数据格式如下，其中key的下标应从1开始，value应均为数值：参数设置 参数名称 参数英文名称 参数说明 树的棵树 tree_num 迭代次数，即决策树或线性模型的数量。树的最大深度 max_depth 决策树的最大深度。学习率 learning_rate ...
XGBOOST二分类
参数名称 参数英文名称 参数说明 树的棵树 tree_num 迭代次数，即决策树或线性模型的数量。树的最大深度 max_depth 决策树的最大深度。学习率 learning_rate 学习率，控制每轮迭代权重的缩小程度，适当调整可以加速模型收敛但也可能使模型...
组件参考：所有组件汇总
推荐方法 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。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...
部署及微调Qwen1.5系列模型
通义千问1.5（qwen1.5）是阿里云研发的通义千问系列开源大模型。该系列包括Base和Chat等多版本、多规模的开源模型，从而满足不同的计算需求。PAI已对该系列模型进行全面支持，本文以qwen1.5-7b-chat模型为例为您介绍如何在PAI-快速开始...
API详情
模型概览 您可以通过API使用的通义千问系列模型详情如下表所示：模型名称 模型简介 模型输入/输出限制 qwen-turbo 通义千问 超大规模 语言模型，支持中文、英文等不同语言输入。模型支持8k tokens上下文，为了保证正常的使用和输出，API...
大语言模型
模型简介 Qwen1.5 Qwen1.5是Qwen开源系列的下一个版本。与之前的版本相比，Qwen1.5显著提升了聊天模型与人类偏好的一致性，改善了它们的多语言能力，并具备了强大的链接外部系统能力。灵积上提供API服务的是新版本qwen模型的chat版本，在...
模型训练管理
每次进行意图模型训练均需要通过以建立一个 模型训练任务 的方式来完成，任务创建完成后系统将自动进行模型训练，训练完成后系统将自动创建一个新的模型，将生成的新模型进行对应场景绑定即可使更新后的模型生效。说明 每次发起模型训练时...
快速开始
大模型服务平台百炼提供的0.5B模型、1.8B模型、7B模型、14B模型、32B模型和72B模型基于千问开源版本，进行了针对性的推理性能优化，为广大开发者提供便捷的API服务。各个版本均对应魔搭社区开源的各个尺寸的模型版本，详细参考链接。Qwen ...
快速开始
灵积平台上提供的0.5B模型、1.8B模型、7B模型、14B模型、32B模型和72B模型基于千问开源版本，进行了针对性的推理性能优化，为广大开发者提供便捷的API服务。各个版本均对应魔搭社区开源的各个尺寸的模型版本，详细参考 链接。Qwen 通义千问...
状态码说明
状态码参考 阿里云百炼模型服务的API调用将返回状态码以标识调用结果。通用状态码由阿里云百炼约定，各算法模型还可能在通用状态码的基础上增加自定义的状态码和状态信息。请通过返回结果中的 code 和 status 字段定位调用成功或失败的详细...
线性模型特征重要性
线性模型特征重要性组件用于计算线性模型的特征重要性，包括线性回归和二分类逻辑回归，支持稀疏和稠密数据格式。本文为您介绍该组件的配置方法。使用限制 支持的计算引擎为MaxCompute。组件配置 您可以使用以下任意一种方式，配置线性模型...
API详情
灵积平台上提供的0.5B模型、1.8B模型、7B模型、14B模型、32B模型和72B模型基于千问开源版本，进行了针对性的推理性能优化，为广大开发者提供便捷的API服务。各个版本均对应魔搭社区开源的各个尺寸的模型版本，详细参考 链接。CodeQwen1.5 ...
API详情
大模型服务平台百炼提供的1.8B模型、7B模型、14B模型和72B模型基于千问开源版本，进行了针对性的推理性能优化，为广大开发者提供便捷的API服务。各个版本均对应魔搭社区开源的各个尺寸的模型版本，详细参考 链接。Qwen 通义千问系列模型为...
模型介绍
username,blurry,bad feet prompt来源：C站 效果对比（左侧为原图，右侧为模型处理后图片）：LoRA模型 LoRA模型介绍 LoRA模型需要搭配主模型使用，无法单独生成图片，LoRA模型是在主模型的基础上训练出来的，所以与搭配的主模型使用效果会...
什么是图数据库自动机器学习？
功能概述 GDB Automl支持被广泛使用的经典统计和机器学习算法，包括梯度提升模型，广义线性模型、深度学习模型等，为使用者提供了从数据处理，模型训练，模型管理到预测推理的全生命周期管理服务，可以自动运行集成算法并调整其超参数，以...
模型加载器
模型加载器是三维城市构建器创建模型的图层，支持独立的样式配置，包括模型加载器的通用样式、动效样式和交互样式等。本文介绍模型加载器各配置项的含义。在场景编辑器左侧图层列表中，单击 模型加载器 图层，进入配置面板配置 模型加载器 ...
使用流程
产品使用的主要流程如下：在联合建模的业务应用中，多方安全建模控制台提供了模型开发、模型部署和调用跟踪的全链路功能，具体如下：模型开发 模型开发阶段基于多方安全建模控制台的隐私求交和模型训练模块进行操作，模型训练完成后您可以...
模型分析优化
为了确保模型在正式部署前达到上线标准，您可以使用模型分析优化工具对模型进行性能压测、模型分析、模型优化等操作，对模型的性能进行分析优化。本文以PyTorch官方提供的Resnet18模型、GPU类型为V100卡为例，介绍如何使用模型分析优化工具...
使用模型服务网格自定义模型运行时
当您遇到多模型部署时存在差异化运行时环境需求，或者需要优化模型推理效率、控制资源分配的问题时，可以使用模型服务网格自定义模型运行时，通过精细配置运行环境，确保每个模型都能在最适宜的条件下执行，提升服务质量、降低成本，并简化...
5分钟使用EAS一键部署Stable Diffusion实现文生图能力
Stable Diffusion文生图模型是开源流行的跨模态生成模型，能够根据文字描述生成相应的图像。EAS提供的Stable-Diffusion-WebUI在其基础上进行封装，提供更加简洁易操作的UI。通过EAS，您可以在5分钟内使用GPU类型的实例规格，一键部署Stable...
部署配置与一键部署
您可以在注册模型时对模型做服务部署配置，后续一键部署该模型时，会直接使用该配置，您无需手动编辑模型相关的配置信息，可以提升部署效率。本文为您介绍如何做服务部署配置及一键部署模型服务。服务部署配置 新模型注册时，您可以在 模型...
服务部署概述
模型预热 为了解决模型初次请求耗时较长的问题，EAS 提供了模型预热功能，使模型服务在上线之前得到预热，从而实现模型服务上线后即可进入正常服务状态，详情请参见 高级配置：模型服务预热。相关文档 服务部署完成后，您可以通过多种方式...
高级配置：模型服务预热
为了解决模型初次请求耗时较长的问题，EAS 提供了模型预热功能，使模型服务在上线之前得到预热，从而实现模型服务上线后即可进入正常服务状态。本文介绍如何使用模型预热功能。背景信息 通常向模型发送初次请求时，不同的Runtime会进行不同...
PAI-TF模型导出和部署说明
如果您希望集成线上服务、验证性能、或者将训练好的模型提供给其他系统调用，您可以将PAI-TF模型导出并部署。本文为您介绍PAI-TF模型导出和部署相关说明，包括导出SaveModel通用模型、保存和恢复检查点以及如何将TF模型部署到EAS。警告 ...
AICS实现对SISO非积分对象的稳定控制
过程仿真模型 过程模型：输出变量受输入变量的影响关系可以用数学模型表示。这里，用一阶滞后传递函数模型TF1来描述冷水流量对出水温度的影响，包含3个主要参数：模型增益=1，时间常数=50，时滞=25。模型增益表示单位输入变化引起的稳态...
产品计费
NLP自学习平台 平台 于2019年9月23日开始，正式收费，每位主账号新用户均有1个月的免费试用期，具体方案如下：免费试用：试用周期：1个月 模型训练：免费模型数3个 模型调用：自学习模型（用户自己训练）：免费调用额度 500次/天/模型，...
机器学习（MADlib）
MADlib机器学习模块主要解决以下问题：分类、回归问题：提供一系列算法，如K最近邻、MLP多层感知神经网络、SVM支持向量机、决策树等算法来解决二元分类、回归问题，集成最小二乘法、GLM广义线性回归、逻辑回归、多项式回归等模型来解决回归...
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...
创建安全联邦学习任务（任务模式）
模型版本 指在训练任务中会生成多个模型版本，需要选定一个模型版本进行模型效果评估。训练模型 仅支持特征切分。特征切分（纵向切分）：指两边数据特征不一样，特征分在了两边。数据切分（横向切分）：指两边数据结构一致，只是拥有的数据...
拒绝推断
两阶段法（Two-Stage）除了需要前置评分卡模型的预测分值（AcceptRejectScore），还需要一个前置模型预测样本被接受或拒绝的概率（GoodBadScore），两阶段法通过拟合AcceptRejectScore和GoodBadScore的线性关系，修正前置评分卡模型对无...
线性回归
一、组件说明 线性回归模型通过找到一条最佳拟合直线（或超平面），将输入特征映射到一个连续数值输出。在模型训练过程中，采用最小二乘法（least squares）估计模型参数，即最小化输出结果与预测值之间的误差平方和。线性回归模型具有简单...
评分卡预测
线性模型中特征值和模型权重值直接相乘相加的结果，对应到评分卡模型中，如果模型进行了分数转换，则该分数输出转换后的得分。prediction_prob DOUBLE 二分类场景中预测得到的正例概率值，原始得分（未经分数转换）经过Sigmoid变换后得到该...
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...
LLaMa2 大语言模型
Llama2系列是来自Meta开发并公开发布的大型语言模型（LLMs）。该系列模型提供了多种参数大小（7B、13B和70B等），并同时提供了预训练和针对对话场景的微调版本。开发者可以通过以下链接，了解如何通过大模型服务平台调用LLaMa2大语言模型。...
模型测试
模型测试 在模型完成训练后，进入模型中心，即可看到刚刚训练好的模型，点击发布...在模型的测试界面，您可以通过上传文件或文本在平台上进行测试，同时NLP自学习平台也支持通过API和SDK的方式进行模型的调用，具体方法参见API和SDK帮助文档。
- 产品推荐
- 这些文档可能帮助您