配置AB测试版本 - BML 全功能AI开发平台 | 百度智能云文档
配置AB测试版本 BML在线服务中，同一服务支持同时部署两个模型上线，并且可以自由的调节流量分配占比 前提条件 已创建的在线服务，处于 运行中 状态时，允许添加一个AB测试版本模型上线 操作步骤 在左侧导航栏中选择“模型部署”>“在线服务” 服务列表中，对于处于 运行中 状态的服务，点击 新增版本 ，添加AB测试版本 配置AB测试版本模型，包括流量占比和资源配置 点击部署，完成部署后，该服务下将有两个模型同时运行
CodeLab – 专业AI开发者使用的IDE
异构加速计算：利用GPU和CPU并行及混合加速计算 超大数据处理：单机可处理1GB-10TB数据 高效数据存储：利用Parquet和Arrow实现高效磁盘和内存存储 下载CodeLab Windows 客户端（内置Linux子系统，提供原生Linux开发体验） 支持系统：Windows 10 64位系统。 【本地GPU卡调试】：即将支持。 【使用云端算力】：支持。
Post-pretrain最佳实践 - ModelBuilder
Post-pretrain最佳实践 本内容为您提供了Post-pretrain的支持文档，引导并指引当前聚焦问题，使得您方便并快速应用Post-pretrain。 流程大纲 一、识别应用场景 什么时候我们考虑使用 Post-pretrain ？
什么是Post-pretrain - ModelBuilder
什么是Post-pretrain 目录 定义 优势 应用场景 定义 Post-pretrain是一种预训练的模型训练方法。在本平台中，我们需要先对泛文本无标注数据进行预训练，得到一个强大的通用语言模型。然后，在此预训练模型的基础上进行SFT，调整部分参数后，得到一个更强大的模型。 关于如何创建一个Post-pretrain任务可查看 指导说明 。
创建Post-pretrain任务 - ModelBuilder
创建Post-pretrain任务 目录 创建任务 新建运行 数据配置 大模型预训练是开发者可以基于大量的泛文本无标注数据使用Post-pretrain的方式训练出一个定制的预训练模型。 在Post-pretrain任务中调优预训练模型提升模型效果，完成预训练后，可以在SFT调优预训练模型。 登录到 本平台 ，在左侧功能列选择 Post-pretrain ，进入大模型预训练的主任务界面。
PostResult 对象存储（BOS）
注意： Status Code: 200 OK 才会认为消息推送成功，否则将会重试； 对于过载保护的情况，支持 Status Code: 429 Too Many Requests 返回值，会间隔一段时间再重试； 请求 请求语法 http POST /?
查看与管理Post-pretrain - ModelBuilder
查看与管理Post-pretrain 目录 详情 去SFT 评估报告 训练日志 训练过程可视化 删除 在 Post-pretrain 任务界面，可以查看任务的详情、新建运行任务和删除整个任务（包括运行）。 在 指定任务的详情 页面，可以查看所有的模型训练运行任务状态及其他相关内容。 登录到 本平台 ，在左侧功能列选择 Post-pretrain ，进入Post-pretrain主任务界面。
PostObject 对象存储（BOS）
PostObject 接口描述 此接口使用HTML表单上传文件到指定bucket，用于实现通过浏览器上传文件到bucket。在PutObject操作中通过HTTP请求头传递参数，在PostObject操作中使用消息实体中的表单域传递参数，其中消息实体使用多重表单格式（multipart/form-data）编码。
PostEvent 对象存储（BOS）
PostEvent 接口描述 将事件消息推送到配置的url上。 如果规则中配置了encryption字段，那么请求中会包含 Authorization 的签名，保证消息不会被伪造或篡改。
用BML实现开源大模型的预训练（Post-pretrain） - BML 全功能AI开发平台 | 百度智能云文档
用BML实现开源大模型的预训练（Post-pretrain） 目录 1. 准备工作（通过notebook或者本地IDE实现） 1.1. 环境创建 1.2. 代码下载 1.3. 目录创建 1.4. 准备预训练模型权重 1.5. 准备训练数据 2. 训练Pipeline说明 2.1. Step1:数据预处理 2.2. Step2:模型格式转换(HF->Megatron) 2.3.
