训练模型

完成数据的标注，或提交已标注的数据后，即可在「模型中心」目录中点击「训练模型」，开始模型的训练。

按以下步骤操作，启动模型训练：

Step 1 选择模型

选择此次训练的模型

Step 2 训练配置

部署方式

可选择「公有云部署」。

选择算法

您可以根据训练的需求，选择「高精度」或「高性能」算法。不同的算法将影响训练时间、预测速度与模型准确率。

• 如果您选择了高精度的模型，模型预测准确率将更高。如果您手中的标注数据集样本较少（例如少于1000条），可选择「高精度」的算法。使用高精度的算法训练模型将会耗时更久，实验环境下1000个样本，预计在20-60分钟左右完成训练
• 如果您选择了高性能的模型，相同训练数据量的情况下，训练耗时更短，模型预测速度更快。使用10000条训练样本，将在10min内完成训练.同样的数据量情况下，效果比高精度的模型4-5%

「高精度」算法内置文心大模型，将大数据预训练与多源丰富知识相结合，通过持续学习技术，不断吸收海量文本数据中词汇、结构、语义等方面的新知识，实现模型效果不断进化

模型筛选指标

选择不同的模型选择方式，对应的模型各项效果指标将有所不同。如果没有特殊场景的要求，使用默认即可（兼顾Precision精确度和Recall召回率）。有以下指标可供选择：

• 模型兼顾Precision和Recall：挑选模型时，兼顾Precision精确度和Recall召回率，如场景中没有对精度或召回的特别要求，建议您使用此默认指标
• Precision最高的模型：挑选模型时，优先挑选Precision精度最高的模型作为部署模型
• Recall最多的模型：挑选模型时，优先选择召回率最高的模型作为部署模型
• ACC最大的模型：挑选模型时，优先挑选预测样本数最多的模型作为部署模型
• Loss最小的模型：挑选模型时，优先挑选预测偏差最小的模型

Step 3 添加数据

添加训练数据

• 可选择多个数据集
• 训练时间与数据量大小和您选择的模型类型有关，如果您选择的是高性能的模型，使用10000条训练样本将在10min内完成训练；如果您选择的是高精度的模型，使用10000条训练样本，将在20-60min完成训练

添加自定义测试集

上传不包含在训练集的测试数据，可获得更客观的模型效果评估结果。

添加自定义测试集的目的：

如果学生的期末考试是平时的练习题，那么学生可能通过记忆去解题，而不是通过学习的方法去做题，所以期末考试的试题应与平时作业不能一样，才能检验学生的学习成果。那么同理，AI模型的效果测试不能使用训练数据进行测试，应使用训练数据集外的数据测试，这样才能真实的反映模型效果

期末考试的内容属于学期的内容，但不一定需要完全包括所学内容。同理，测试集的标签是训练集的全集或者子集即可

Step 4 训练模型

点击「开始训练」，即可开始训练模型。

• 训练时间与数据量大小、选择的算法、训练环境有关
• 模型训练过程中，可以设置训练完成的短信提醒并离开页面
• 平台提供付费算力，付费算力可用于模型训练，可根据实际需求购买算力使用时长。

各类算力价格如下：

优惠政策：

为回馈开发者长期以来对EasyDL平台的大力支持，训练算力将针对单账户 x 单操作台粒度提供5小时免费训练时长（例如，每账户享有声音分类操作台5小时免费训练时长）。

同时，用户此前购买的算力小时包仍生效使用，支持算力小时包和储值两种付费方式。算力按分钟计费，账单金额精确至小数点后2位。训练失败、训练状态为排队中时长均不纳入收费时长。可参考价格说明