您的权利 - 协议 | 百度智能云文档
您的权利 按照中国相关的法律、法规、标准，以及其他国家、地区的通行做法，我们保障您对自己的个人信息行使以下权利，如您对权利行使有疑问或主张，您也可以通过【如何联系我们】与我们取得联系： 查阅权 您有权查阅您的个人信息，法律法规规定的例外情况除外。
大模型黑话指南（二） 千帆社区
以下是一些常见做法的通俗解释： 决定一个机器学习模型训练轮次的方法可以比喻为烹饪过程。我们要做的是确定需要给菜肴煮多长时间，这取决于食物的种类和厚度等因素。考虑以下几点： 验证集性能：就像检查菜肴煮熟程度，观察模型在未见过的数据集（验证集）上的表现。如果验证集上的性能不再提升或开始变差，说明菜已经煮好。 经验法则和文献：查阅菜谱找到类似菜肴的烹饪时间，或者询问有经验的大厨。
基于langchain+千帆sdk的一个基于文档的QA问答Demo 千帆社区
Store 为了能够查询文档的片段，我们首先需要把它们存储起来，一种比较常见的做法是对文档的内容做 embedding，然后再将 embedding 的向量连同文档一起存入向量数据库中，此处 embedding 用于索引文档。
运维类问题 - 云数据库FusionDB | 百度智能云文档
内存不足 内存不足报错： insufficient memory reserved for statement 一般是当前系统运行了太多 SQL，或者是某一个 SQL 消耗太大，占用了大量的内存导致其他 SQL 运行报错，一般的做法是 减少并发 SQL 数量，比如从业务层面控制，或者从资源队列的层面控制； 查看pg_stat_activity表中哪个 SQL 执行时间比较长，一般消耗资源多的也是执行时间相对比较长的
SSL和TLS部署 - SSL证书服务CAS | 百度智能云文档
这种做法（1）有助于避免在计算机上没有正确时间的一些用户的证书警告;（2）有助于避免与 CA 需要额外时间的 CA 失败的撤销检查，以向 OCSP 响应者传播有效的新证书。随着时间的推移，尝试将这个“热身”期延长至 1-3 个月。同样，不要等到你的证书即将到期以替换它们。留下额外的几个月也会帮助时钟不正确的人在另一个方向。
【测评】如何利用千帆平台进行大模型微调？ 千帆社区
进入 数据集管理 界面，点击 创建数据集 - 创建并导入 选择 有标注信息 - 上传jsonl文件 - 确定 此时我们已经创建好了有标注的对话数据集，更严谨的做法是进行数据清洗和增强，这里简便起见，直接进行 发布 4.2 微调优化 进入 微调界面 ，输入任务名称和描述，点击 创建并训练 选择数据集后点击 确定 等待模型完成训练即可 训练完成，文心千帆会给出各项评估指标 BLEU 指 标是 NLP中机器翻译
磁盘型Redis在RocksDB上的优化实践 | 百度智能云
PegaDB2.0 以前的做法是动态的调节 SST 相关的配置，使得 SST 文件不会过大，从而避免 Index/Filter Block 过大，但是这种机制存在的问题是当数据量非常大时，SST 文件过多，占有过多系统资源，也会带来性能的衰减。
千帆大模型沉浸式开箱之大模型训练完整历程 千帆社区
以前我们需要在自己的业务场景或者应用中使用到人工智能相关的技术的时候，传统的做法是只能够自己从0到1去搭建一个相关的平台或者接口。 传统的简单流程基本是，自己编写人工智能相关算法或者使用开源的人工智能算法或者框架进行二次开发，这只是开始，接着就是训练，大模型训练最重要的就是数据，外界一直说：数据是人工智能时代的石油。想要训练出来的模型足够优秀，就需要投喂大量的相关数据。
万亿级对象存储的元数据系统架构设计和实践
具体做法就是在元数据的编码最前面增加一位的 hash 产生的 shardKey，不同 shardKey 的数据间隔放置，同一个 shardKey 下的数据顺序放置，这样单个桶的元数据可以放置到更多节点上。第二个优化是分片支持自动分裂和合并机制，保证单个节点的数据不会太大也也不会太小，节点之间的数据保持均衡。
AI 应用的全流程存储加速方案技术解析和实践分享
具体做法是将数据缓存到计算节点本地或临近节点的内存、磁盘上，达到就近访问的效果。缓存系统在 cache miss 的情况下需要从远端存储系统读取数据，性能是比较低的，训练中应该尽量避免这样的情况。 目前，本领域业界主流的缓存解决方案分为两大类。一类是 Alluxio 这类相对比较纯粹的缓存系统，不改变数据的格式，忠实地做一个数据的搬运工。
