在调参配置中,设置数据拆分比例、网格拆分数、参数范围和调参方式等。 设置调参模型的评估标准。 点击“确定”,完成自动调参。 回到可视化建模画布,该算法组件右侧会有一个开关,默认为开。“开”表示该组件按照自动化调参方式运行,“关”则代表按照右侧的自定义参数设置进行。
预置模型调参支持视觉和自然语言处理两大技术方向: 技术方向 类型 视觉 图像分类 物体检测 实例分割 自然语言处理 文本分类 短文本相似度 序列标注 文本实体抽取 表格数据预测 二分类 多分类 回归
如需保存开发环境和数据,请先制作镜像保存。
如在用户分类场景中,根据用户的历史消费数据,将用户划分到不同消费偏好的类别中,解决该问题的模型属于多分类模型。 不建议将重复率很小的值或时间列作为目标列。 回归 目标列是连续的实数范围,或者属于某一段连续的实数区间。如在销量预测场景中,销量值可能是某个取值范围内的任意值,解决该问题的模型属于回归模型。 目标列不能包含大量无法转成数值的异常值 若您还是无法判断算法类型,请选择默认的自动。
data_sampling_scale:数据采样比例,单位为%。 max_trial_num:最大搜索次数,随机搜索、贝叶斯搜索的yaml文件中需要配置该参数,而其余基于种群的进化算法不需要,最大搜索次数由种群个体数量与最大轮次的乘积决定。
私有服务器部署 可将训练完成的模型部署在私有CPU/GPU服务器上,在内网/无网环境下使用模型,确保数据隐私。
模型配置 模型选择 你可以在模型配置中选择规划模型和问答模型,规划模型用于任务规划和选择组件,问答模型用于总结生成回复结果,支持选择平台预置模型及用户在模型服务中创建的自定义模型(千帆平台精调训练模型+自定义开发或外部下载模型)。你可以参考平台资源 大模型服务 进行模型的选择和使用。
Body请求示例: Plain Text 复制 1 { 2 "image": "<base64数据>" 3 } Body中放置请求参数,参数详情如下: 请求参数 参数 是否必选 类型 可选值范围 说明 image 是 string - 图像数据,base64编码,要求base64编码后大小不超过4M,最短边至少15px,最长边最大4096px,支持
创建训练任务 选择PyTorch下的AIAK-Training镜像,并指定模型网络代码文件、数据集文件、输出文件等各自的BOS存储路径。 在输入启动命令时,通过传入约定参数来开启AIAK-Training的训练加速能力,以下为单机/多机场景下的启动命令示例。
如需继续体验,可重新配置部署(重新部署后历史数据不会保留)。 长期体验申请: 如有长期使用需求,可在控制台点击「申请长期体验」,填写申请表单提交审核。审核通过后,实例将不再受 24 小时限制。