用户模型创建后，您可以在“模型仓库-我的模型”列表中查看模型信息，进行相关操作。

登录到本平台，在左侧功能列模型仓库中选择我的模型，进入创建模型的主任务界面。

注：删除模型不影响已部署的服务。

点击模型名称或操作栏“详情”按钮，进入模型详情页。模型详情包含的内容有：

基本信息

查看模型名称、ID、模型类型及业务标签，其中业务标签支持修改。

版本列表

支持查看模型不同版本概览信息，进行版本详情查看、模型版本评估、压缩、部署、导出和删除等操作：

对于基础模型不同的版本，会有如下提示：

新增版本

点击新增版本按钮，可以创建新的模型版本，所需信息可参考创建我的模型(继承历史模型配置)。

基础模型为当前模型默认的基础模型，由模型最新版本的基础模型确定

当版本状态由“创建中”转为“就绪”时，模型版本即创建成功。

注：训练任务的一次运行不允许在同一个模型下重复创建多个版本。

查看版本详情

点击版本名称或操作栏“详情”按钮，可查看模型版本详情。

详情中展示了：

• 版本的基本信息，包括名称、来源、描述等；其中，“基础模型”字段为该用户模型的源模型，“可用部署资源”给出了模型版本部署所需的资源池类。
• 版本的接口信息，作为后续服务运行、调用的参考。

版本管理操作

模型版本列表与版本详情中，支持对模型版本进行如下操作：

• 评估：
  支持对生成的大模型进行全方位评价，当前仅支持对的模型评估范围可参考模型评估。
• 压缩：
  通过量化压缩等工具提升大模型推理速度，当前仅支持对的模型压缩范围可参考模型压缩。
• 部署：
  支持将指定的模型版本部署为预测服务，详细操作内容可参考在线服务。

• 导出：
  平台支持开源模型在训练、调整模型权重后，再导出。每个就绪状态的模型版本仅支持导出一次，导出成功后的模型可在任务列表中下载。
  其中文心大模型系列支持导入文件类型为静态图和动态图格式，已导出过的模型可直接在导出方式处进行下载。

  • 动态图编程： 采用 Python 的编程风格，解析式地执行每一行网络代码，并同时返回计算结果。体验更佳、更易调试，但是因为采用 Python 实时执行的方式，消耗较大，在性能方面与 C++ 有一定差距。
  • 静态图编程： 采用先编译后执行的方式。需先在代码中预定义完整的神经网络结构，飞桨框架会将神经网络描述为 Program 的数据结构，并对 Program 进行编译优化，再调用执行器获得计算结果。调试难度大，但是将前端 Python 编写的神经网络预定义为 Program 描述，转到 C++ 端重新解析执行，脱离了 Python 依赖，往往执行性能更佳，并且预先拥有完整网络结构也更利于全局优化。

支持导出的开源模型类型如下：

开源模型	开源模型
BLOOMZ-7B、Stable-Diffusion-XL、SQLCoder-7B、ChatGLM2-6B、chatglm2-6b-32k	ChatGLM3-6B、Baichuan2-13B-Chat、Baichuan2-7B-Chat、codellama、Mixtral-8x7B-Instruct-v0.1、llama3-8b

• 删除：
  操作删除后，相应模型版本将被删除、版本号被弃用；删除版本不影响已部署上线的服务，但若版本有运行中的评估或压缩任务，则不允许删除。

任务列表

任务列表中展示了模型不同版本、各类任务的记录，如图所示：

任务类型包括：新建版本、删除版本、模型评估、模型压缩和模型导出。支持的操作包括

• 详情：跳转至相应版本详情、评估任务详情、压缩任务详情及模型导出详情(如有)，如果有模型导出任务，可在此界面发起下载到本地。

• 查看日志：查看相应任务的日志。

部署记录

支持查看模型版本部署的记录及状态等信息，如图所示：

详情可参考服务管理中的服务详情部分内容。