AI开发平台ModelArts
AI开发平台ModelArts
- 最新动态
- 功能总览
- 服务公告
- 产品介绍
- 计费说明
- 快速入门
-
ModelArts用户指南（Standard）
- ModelArts Standard使用流程
- ModelArts Standard准备工作
- ModelArts Standard资源管理
- 使用自动学习实现零代码AI开发
- 使用Workflow实现低代码AI开发
- 使用Notebook进行AI开发调试
- 数据准备与处理
- 使用ModelArts Standard训练模型
- 使用ModelArts Standard部署模型并推理预测
- 制作自定义镜像用于ModelArts Standard
- ModelArts Standard资源监控
- 使用CTS审计ModelArts服务
- ModelArts用户指南（Studio）
- ModelArts用户指南（Lite Server）
- ModelArts用户指南（Lite Cluster）
- ModelArts用户指南（AI Gallery）
-
最佳实践
- ModelArts最佳实践案例列表
- 昇腾能力应用地图
- DeepSeek系列模型推理应用
-
LLM大语言模型训练推理
- 在ModelArts Studio基于Qwen2-7B模型实现新闻自动分类
- 主流开源大模型基于Lite Server适配Ascend-vLLM PyTorch NPU推理指导（6.5.901）
- 主流开源大模型基于Lite Server适配ModelLink PyTorch NPU训练指导（6.5.901）
- 主流开源大模型基于Lite Cluster适配ModelLink PyTorch NPU训练指导（6.5.901）
- 主流开源大模型基于Standard+OBS适配ModelLink PyTorch NPU训练指导（6.5.901）
- 主流开源大模型基于Standard+OBS+SFS适配ModelLink PyTorch NPU训练指导（6.5.901）
- 主流开源大模型基于Lite Server适配LlamaFactory PyTorch NPU训练指导（6.5.901）
- 主流开源大模型基于Lite Server适配Ascend-vLLM PyTorch NPU推理指导（6.3.912）
- 主流开源大模型基于Lite Server适配ModelLink PyTorch NPU训练指导（6.3.912）
- 主流开源大模型基于Lite Cluster适配ModelLink PyTorch NPU训练指导（6.3.912）
- 主流开源大模型基于Standard+OBS适配ModelLink PyTorch NPU训练指导（6.3.912）
- 主流开源大模型基于Standard+OBS+SFS适配ModelLink PyTorch NPU训练指导（6.3.912）
- 主流开源大模型基于Lite Server适配LlamaFactory PyTorch NPU训练指导（6.3.912）
- 主流开源大模型基于Lite Server适配PyTorch NPU推理指导（6.3.911）
- 主流开源大模型基于Standard适配PyTorch NPU推理指导（6.3.911）
- 主流开源大模型基于Lite Cluster适配PyTorch NPU推理指导（6.3.911）
- 主流开源大模型基于Lite Server适配ModelLink PyTorch NPU训练指导（6.3.911）
- 主流开源大模型基于Lite Server适配LlamaFactory PyTorch NPU训练指导（6.3.911）
- 主流开源大模型基于Standard+OBS适配ModelLink PyTorch NPU训练指导（6.3.911）
- 主流开源大模型基于Standard+OBS+SFS适配ModelLink PyTorch NPU训练指导（6.3.911）
- 主流开源大模型基于Lite Cluster适配ModelLink PyTorch NPU训练指导（6.3.911）
- 主流开源大模型基于Lite Server适配PyTorch NPU推理指导（6.3.910）
- 主流开源大模型基于Standard适配PyTorch NPU推理指导（6.3.910）
- 主流开源大模型基于Lite Cluster适配PyTorch NPU推理指导（6.3.910）
- 主流开源大模型基于Lite Server适配ModelLink PyTorch NPU训练指导（6.3.910）
- 主流开源大模型基于Lite Server适配LlamaFactory PyTorch NPU训练指导（6.3.910）
- 主流开源大模型基于Standard+OBS适配ModelLink PyTorch NPU训练指导（6.3.910）
- 主流开源大模型基于Standard+OBS+SFS适配ModelLink PyTorch NPU训练指导（6.3.910）
- 主流开源大模型基于Lite Cluster适配ModelLink PyTorch NPU训练指导（6.3.910）
- 主流开源大模型基于Lite Server适配PyTorch NPU推理指导（6.3.909）
- 主流开源大模型基于Standard适配PyTorch NPU推理指导（6.3.909）
- 主流开源大模型基于Lite Cluster适配PyTorch NPU推理指导（6.3.909）
- 主流开源大模型基于Lite Server适配ModelLink PyTorch NPU训练指导（6.3.909）
- 主流开源大模型基于Lite Server适配LlamaFactory PyTorch NPU训练指导（6.3.909）
- 主流开源大模型基于Standard+OBS适配ModelLink PyTorch NPU训练指导（6.3.909）
- 主流开源大模型基于Standard+OBS+SFS适配ModelLink PyTorch NPU训练指导（6.3.909）
- 主流开源大模型基于Lite Cluster适配ModelLink PyTorch NPU训练指导（6.3.909）
- 主流开源大模型基于Lite Server适配PyTorch NPU推理指导（6.3.908）
- 主流开源大模型基于Standard适配PyTorch NPU推理指导（6.3.908）
- 主流开源大模型基于Lite Server适配ModelLink PyTorch NPU训练指导（6.3.908）
- 主流开源大模型基于Lite Server适配LlamaFactory PyTorch NPU训练指导（6.3.908）
- 主流开源大模型基于Standard+OBS适配ModelLink PyTorch NPU训练指导（6.3.908）
- 主流开源大模型基于Standard+OBS+SFS适配ModelLink PyTorch NPU训练指导（6.3.908）
- 主流开源大模型基于Lite Server适配ModelLink PyTorch NPU训练指导（6.3.907）
- 主流开源大模型基于Lite Server适配LlamaFactory PyTorch NPU训练指导（6.3.907）
- 主流开源大模型基于Lite Server适配PyTorch NPU推理指导（6.3.907）
- 主流开源大模型基于Standard+OBS适配PyTorch NPU训练指导（6.3.907）
- 主流开源大模型基于Standard+OBS+SFS适配PyTorch NPU训练指导（6.3.907）
- 主流开源大模型基于Standard适配PyTorch NPU推理指导（6.3.907）
- 主流开源大模型基于Lite Server适配PyTorch NPU训练指导（6.3.906）
- 主流开源大模型基于Lite Server适配PyTorch NPU推理指导（6.3.906）
- 主流开源大模型基于Standard适配PyTorch NPU训练指导（6.3.906）
- 主流开源大模型基于Standard适配PyTorch NPU推理指导（6.3.906）
- 主流开源大模型基于Lite Server适配PyTorch NPU训练指导（6.3.905）
- 主流开源大模型基于LIte Server适配PyTorch NPU推理指导（6.3.905）
- 主流开源大模型基于Standard适配PyTorch NPU训练指导（6.3.905）
- 主流开源大模型基于Standard适配PyTorch NPU推理指导（6.3.905）
-
MLLM多模态模型训练推理
- Bunny-Llama-3-8B-V基于Lite Server适配PyTorch NPU的训练指导（6.5.901）
- Qwen-VL基于Standard+OBS+SFS适配PyTorch NPU训练指导（6.3.912）
- Qwen-VL模型基于Standard+OBS适配PyTorch NPU训练指导（6.3.912）
- Qwen-VL基于Lite Server适配PyTorch NPU的Finetune训练指导(6.3.912)
- Qwen-VL基于Lite Server适配PyTorch NPU的推理指导（6.3.909）
- MiniCPM-V2.6基于Lite Server适配PyTorch NPU训练指导（6.3.912）
- MiniCPM-V2.0推理及LoRA微调基于Lite Server适配PyTorch NPU指导（6.3.910）
- InternVL2&2.5系列模型基于Lite Server适配PyTorch NPU训练指导（6.5.901)
- InternVL2基于LIte Server适配PyTorch NPU训练指导（6.3.912）
- LLaVA-NeXT基于Lite Server适配PyTorch NPU训练微调指导（6.3.912）
- LLaVA模型基于Lite Server适配PyTorch NPU预训练指导（6.3.912）
- LLaVA模型基于Lite Server适配PyTorch NPU推理指导（6.3.906）
- Llama 3.2-Vision基于Lite Server适配Pytorch NPU训练微调指导（6.3.912）
- LLaMA-VID基于Lite Server适配PyTorch NPU推理指导（6.3.910）
- moondream2基于Lite Server适配PyTorch NPU推理指导
-
文生图模型训练推理
- FlUX.1基于Lite Server适配PyTorch NPU推理指导（6.3.912）
- FLUX.1基于DevSever适配PyTorch NPU Finetune&Lora训练指导（6.3.911）
- Hunyuan-DiT基于Lite Server部署适配PyTorch NPU推理指导（6.3.909）
- SD 3.5基于Lite Server适配PyTorch NPU的训练指导（6.5.901）
- SD3.5基于Lite Server适配PyTorch NPU的推理指导（6.3.912）
- SD3基于Lite Server适配PyTorch NPU的训练指导（6.3.912）
- SD3 Diffusers框架基于Lite Server适配PyTorch NPU推理指导（6.3.912）
- SD1.5&SDXL Diffusers框架基于Lite Server适配PyTorch NPU训练指导（6.3.908）
- SD1.5&SDXL Kohya框架基于DevServer适配PyTorch NPU训练指导（6.3.908）
- SDXL基于Standard适配PyTorch NPU的LoRA训练指导（6.3.908）
- SD3 Diffusers框架基于Lite Server适配PyTorch NPU推理指导（6.3.907）
- SDXL&SD1.5 ComfyUI基于Lite Cluster适配NPU推理指导（6.3.906）
- SDXL基于Standard适配PyTorch NPU的Finetune训练指导（6.3.905）
- SDXL基于Lite Server适配PyTorch NPU的Finetune训练指导（6.3.905）
- SDXL基于Lite Server适配PyTorch NPU的LoRA训练指导（6.3.905）
- SD1.5基于Lite Server适配PyTorch NPU Finetune训练指导（6.3.904）
- Open-Clip基于Lite Server适配PyTorch NPU训练指导
- AIGC工具tailor使用指导
-
文生视频模型训练推理
- CogVideoX1.5 5b 和 CogVideoX 5b模型基于Lite Server全量8卡序列并行推理指导（6.5.901）
- CogVideoX1.5 5b模型基于Lite Server适配PyTorch NPU全量训练指导（6.5.901）
- CogVideoX1.5 5b模型基于Lite Server适配PyTorch NPU全量训练指导（6.3.912）
- CogVideoX模型基于Lite Server适配PyTorch NPU全量训练指导（6.3.911）
- Open-Sora1.2基于Lite Server适配PyTorch NPU训练推理指导（6.3.910）
- Open-Sora-Plan1.0基于Lite Server适配PyTorch NPU训练推理指导（6.3.907）
- Open-Sora 1.0基于Lite Server适配PyTorch NPU训练指导（6.3.905）
- 数字人模型训练推理
- 内容审核模型训练推理
- GPU业务迁移至昇腾训练推理
- Standard权限管理
- Standard自动学习
- Standard开发环境
- Standard模型训练
- Standard推理部署
- 历史待下线案例
-
API参考
- 使用前必读
- API概览
- 如何调用API
-
Workflow工作流管理
- 获取Workflow工作流列表
- 新建Workflow工作流
- 删除Workflow工作流
- 查询Workflow工作流
- 修改Workflow工作流
- 总览Workflow工作流
- 查询Workflow待办事项
- 在线服务鉴权
- 创建在线服务包
- 获取Execution列表
- 新建Workflow Execution
- 删除Workflow Execution
- 查询Workflow Execution
- 更新Workflow Execution
- 管理Workflow Execution
- 管理Workflow StepExecution
- 获取Workflow工作流节点度量信息
- 新建消息订阅Subscription
- 删除消息订阅Subscription
- 查询消息订阅Subscription详情
- 更新消息订阅Subscription
- 创建工作流定时调度
- 查询工作流定时调度详情
- 删除工作流定时调度信息
- 更新工作流定时调度信息
-
开发环境管理
- 创建Notebook实例
- 查询Notebook实例列表
- 查询所有Notebook实例列表
- 查询Notebook实例详情
- 更新Notebook实例
- 删除Notebook实例
- 通过运行的实例保存成容器镜像
- 查询Notebook支持的有效规格列表
- 查询Notebook支持的可切换规格列表
- 查询运行中的Notebook可用时长
- Notebook时长续约
- 启动Notebook实例
- 停止Notebook实例
- 获取动态挂载OBS实例信息列表
- 动态挂载OBS
- 获取动态挂载OBS实例详情
- 动态卸载OBS
- 添加资源标签
- 删除资源标签
- 查询Notebook资源类型下的标签
- 查询支持的镜像列表
- 注册自定义镜像
- 查询用户镜像组列表
- 查询镜像详情
- 删除镜像
-
训练管理
- 创建算法
- 查询算法列表
- 查询算法详情
- 更新算法
- 删除算法
- 获取支持的超参搜索算法
- 创建训练实验
- 创建训练作业
- 查询训练作业详情
- 更新训练作业描述
- 删除训练作业
- 终止训练作业
- 查询训练作业指定任务的日志（预览）
- 查询训练作业指定任务的日志（OBS链接）
- 查询训练作业指定任务的运行指标
- 查询训练作业列表
- 查询超参搜索所有trial的结果
- 查询超参搜索某个trial的结果
- 获取超参敏感度分析结果
- 获取某个超参敏感度分析图像的路径
- 提前终止自动化搜索作业的某个trial
- 获取自动化搜索作业yaml模板的信息
- 获取自动化搜索作业yaml模板的内容
- 创建训练作业标签
- 删除训练作业标签
- 查询训练作业标签
- 获取训练作业事件列表
- 创建训练作业镜像保存任务
- 查询训练作业镜像保存任务
- 获取训练作业支持的公共规格
- 获取训练作业支持的AI预置框架
- AI应用管理
- APP认证管理
- 服务管理
- 资源管理
- DevServer管理
- 授权管理
- 工作空间管理
- 配额管理
- 资源标签管理
- 节点池管理
- 应用示例
- 权限策略和授权项
- 公共参数
-
历史API
-
数据管理（旧版）
- 查询数据集列表
- 创建数据集
- 查询数据集详情
- 更新数据集
- 删除数据集
- 查询数据集的统计信息
- 查询数据集监控数据
- 查询数据集的版本列表
- 创建数据集标注版本
- 查询数据集版本详情
- 删除数据集标注版本
- 查询样本列表
- 批量添加样本
- 批量删除样本
- 查询单个样本信息
- 获取样本搜索条件
- 分页查询团队标注任务下的样本列表
- 查询团队标注的样本信息
- 查询数据集标签列表
- 创建数据集标签
- 批量修改标签
- 批量删除标签
- 按标签名称更新单个标签
- 按标签名称删除标签及仅包含此标签的文件
- 批量更新样本标签
- 查询数据集的团队标注任务列表
- 创建团队标注任务
- 查询团队标注任务详情
- 启动团队标注任务
- 更新团队标注任务
- 删除团队标注任务
- 创建团队标注验收任务
- 查询团队标注验收任务报告
- 更新团队标注验收任务状态
- 查询团队标注任务统计信息
- 查询团队标注任务成员的进度信息
- 团队成员查询团队标注任务列表
- 提交验收任务的样本评审意见
- 团队标注审核
- 批量更新团队标注样本的标签
- 查询标注团队列表
- 创建标注团队
- 查询标注团队详情
- 更新标注团队
- 删除标注团队
- 向标注成员发送邮件
- 查询所有团队的标注成员列表
- 查询标注团队的成员列表
- 创建标注团队的成员
- 批量删除标注团队成员
- 查询标注团队成员详情
- 更新标注团队成员
- 删除标注团队成员
- 查询数据集导入任务列表
- 创建导入任务
- 查询数据集导入任务的详情
- 查询数据集导出任务列表
- 创建数据集导出任务
- 查询数据集导出任务的状态
- 同步数据集
- 查询数据集同步任务的状态
- 查询智能标注的样本列表
- 查询单个智能标注样本的信息
- 分页查询智能任务列表
- 启动智能任务
- 获取智能任务的信息
- 停止智能任务
- 查询处理任务列表
- 创建处理任务
- 查询数据处理的算法类别
- 查询处理任务详情
- 更新处理任务
- 删除处理任务
- 查询数据处理任务的版本列表
- 创建数据处理任务版本
- 查询数据处理任务的版本详情
- 删除数据处理任务的版本
- 查询数据处理任务版本的结果展示
- 停止数据处理任务的版本
- 开发环境（旧版）
- 训练管理（旧版）
-
数据管理（旧版）
- SDK参考
- 场景代码示例
-
故障排除
- 通用问题
- 自动学习
-
开发环境
- 环境配置故障
- 实例故障
- 代码运行故障
- JupyterLab插件故障
-
VS Code连接开发环境失败故障处理
- 在ModelArts控制台界面上单击VS Code接入并在新界面单击打开，未弹出VS Code窗口
- 在ModelArts控制台界面上单击VS Code接入并在新界面单击打开，VS Code打开后未进行远程连接
- VS Code连接开发环境失败时的排查方法
- 远程连接出现弹窗报错：Could not establish connection to xxx
- 连接远端开发环境时，一直处于"Setting up SSH Host xxx: Downloading VS Code Server locally"超过10分钟以上，如何解决？
- 连接远端开发环境时，一直处于"Setting up SSH Host xxx: Copying VS Code Server to host with scp"超过10分钟以上，如何解决？
- 远程连接处于retry状态如何解决？
- 报错“The VS Code Server failed to start”如何解决？
- 报错“Permissions for 'x:/xxx.pem' are too open”如何解决？
- 报错“Bad owner or permissions on C:\Users\Administrator/.ssh/config”如何解决？
- 报错“Connection permission denied (publickey)”如何解决
- 报错“ssh: connect to host xxx.pem port xxxxx: Connection refused”如何解决？
- 报错"ssh: connect to host ModelArts-xxx port xxx: Connection timed out"如何解决？
- 报错“Load key "C:/Users/xx/test1/xxx.pem": invalid format”如何解决？
- 报错“An SSH installation couldn't be found”或者“Could not establish connection to instance xxx: 'ssh' ...”如何解决？
- 报错“no such identity: C:/Users/xx /test.pem: No such file or directory”如何解决？
- 报错“Host key verification failed.'或者'Port forwarding is disabled.”如何解决？
- 报错“Failed to install the VS Code Server.”或“tar: Error is not recoverable: exiting now.”如何解决？
- VS Code连接远端Notebook时报错“XHR failed”
- VS Code连接后长时间未操作，连接自动断开
- VS Code自动升级后，导致远程连接时间过长
- 使用SSH连接，报错“Connection reset”如何解决？
- 使用MobaXterm工具SSH连接Notebook后，经常断开或卡顿，如何解决？
- VS Code连接开发环境时报错Missing GLIBC，Missing required dependencies
- 使用VSCode-huawei，报错：卸载了‘ms-vscode-remote.remot-sdh’，它被报告存在问题
- 使用VS Code连接实例时，发现VS Code端的实例目录和云上目录不匹配
- VSCode远程连接时卡顿，或Python调试插件无法使用如何处理？
-
自定义镜像故障
- Notebook自定义镜像故障基础排查
- 镜像保存时报错“there are processes in 'D' status, please check process status using 'ps -aux' and kill all the 'D' status processes”或“Buildimge,False,Error response from daemon，Cannot pause container xxx”如何解决？
- 镜像保存时报错“container size %dG is greater than threshold %dG”如何解决？
- 保存镜像时报错“too many layers in your image”如何解决？
- 镜像保存时报错“The container size (xG) is greater than the threshold (25G)”如何解决？
- 镜像保存时报错“BuildImage,True,Commit successfully|PushImage,False,Task is running.”
- 使用自定义镜像创建Notebook后打开没有kernel
- 用户自定义镜像自建的conda环境会查到一些额外的包，影响用户程序，如何解决？
- 用户使用ma-cli制作自定义镜像失败，报错文件不存在（not found）
- 用户使用torch报错Unexpected error from cudaGetDeviceCount
- 其他故障
-
训练作业
- OBS操作相关故障
-
云上迁移适配故障
- 无法导入模块
- 训练作业日志中提示“No module named .*”
- 如何安装第三方包，安装报错的处理方法
- 下载代码目录失败
- 训练作业日志中提示“No such file or directory”
- 训练过程中无法找到so文件
- ModelArts训练作业无法解析参数，日志报错
- 训练输出路径被其他作业使用
- PyTorch1.0引擎提示“RuntimeError: std:exception”
- MindSpore日志提示“ retCode=0x91, [the model stream execute failed]”
- 使用moxing适配OBS路径，pandas读取文件报错
- 日志提示“Please upgrade numpy to >= xxx to use this pandas version”
- 重装的包与镜像装CUDA版本不匹配
- 创建训练作业提示错误码ModelArts.2763
- 训练作业日志中提示 “AttributeError: module '***' has no attribute '***'”
- 系统容器异常退出
- 硬盘限制故障
- 外网访问限制
- 权限问题
- GPU相关问题
-
业务代码问题
- 日志提示“pandas.errors.ParserError: Error tokenizing data. C error: Expected .* fields”
- 日志提示“max_pool2d_with_indices_out_cuda_frame failed with error code 0”
- 训练作业失败，返回错误码139
- 训练作业失败，如何使用开发环境调试训练代码？
- 日志提示“ '(slice(0, 13184, None), slice(None, None, None))' is an invalid key”
- 日志报错“DataFrame.dtypes for data must be int, float or bool”
- 日志提示“CUDNN_STATUS_NOT_SUPPORTED. ”
- 日志提示“Out of bounds nanosecond timestamp”
- 日志提示“Unexpected keyword argument passed to optimizer”
- 日志提示“no socket interface found”
- 日志提示“Runtimeerror: Dataloader worker (pid 46212 ) is killed by signal: Killed BP”
- 日志提示“AttributeError: 'NoneType' object has no attribute 'dtype'”
- 日志提示“No module name 'unidecode'”
- 分布式Tensorflow无法使用“tf.variable”
- MXNet创建kvstore时程序被阻塞，无报错
- 日志出现ECC错误，导致训练作业失败
- 超过最大递归深度导致训练作业失败
- 使用预置算法训练时，训练失败，报“bndbox”错误
- 训练作业进程异常退出
- 训练作业进程被kill
- 预置算法运行故障
- 训练作业运行失败
- 专属资源池创建训练作业
- 训练作业性能问题
- Ascend相关问题
-
推理部署
-
模型管理
- 创建模型失败，如何定位和处理问题？
- 导入模型提示该账号受限或者没有操作权限
- 用户创建模型时构建镜像或导入文件失败
- 创建模型时，OBS文件目录对应镜像里面的目录结构是什么样的？
- 通过OBS导入模型时，如何编写打印日志代码才能在ModelArts日志查询界面看到日志
- 通过OBS创建模型时，构建日志中提示pip下载包失败
- 通过自定义镜像创建模型失败
- 导入模型后部署服务，提示磁盘不足
- 创建模型成功后，部署服务报错，如何排查代码问题
- 自定义镜像导入配置运行时依赖无效
- 通过API接口查询模型详情，model_name返回值出现乱码
- 导入模型提示模型或镜像大小超过限制
- 导入模型提示单个模型文件超过5G限制
- 订阅的模型一直处于等待同步状态
- 创建模型失败，提示模型镜像构建任务超时，没有构建日志
-
服务部署
- 自定义镜像模型部署为在线服务时出现异常
- 部署的在线服务状态为告警
- 服务启动失败
- 服务部署、启动、升级和修改时，拉取镜像失败如何处理？
- 服务部署、启动、升级和修改时，镜像不断重启如何处理？
- 服务部署、启动、升级和修改时，容器健康检查失败如何处理？
- 服务部署、启动、升级和修改时，资源不足如何处理？
- 模型使用CV2包部署在线服务报错
- 服务状态一直处于“部署中”
- 服务启动后，状态断断续续处于“告警中”
- 服务部署失败，报错No Module named XXX
- IEF节点边缘服务部署失败
- 批量服务输入/输出obs目录不存在或者权限不足
- 部署在线服务出现报错No CUDA runtime is found
- 使用AI市场物体检测YOLOv3_Darknet53算法训练后部署在线服务报错
- 使用预置AI算法部署在线服务报错gunicorn：error：unrecorgized arguments
- 内存不足如何处理？
- 服务预测
-
模型管理
- MoXing
- API/SDK
- 资源池
-
Lite Server
- GPU裸金属服务器使用EulerOS内核误升级如何解决
- GPU A系列裸金属服务器无法获取显卡如何解决
- GPU裸金属服务器无法Ping通如何解决
- GPU A系列裸金属服务器RoCE带宽不足如何解决？
- GPU裸金属服务器更换NVIDIA驱动后执行nvidia-smi提示Failed to initialize NVML
- 训练速度突然下降以及执行nvidia-smi卡顿如何解决？
- GP Vnt1裸金属服务器用PyTorch报错CUDA initialization:CUDA unknown error
- 使用SFS盘出现报错rpc_check_timeout:939 callbacks suppressed
- 华为云CCE集群纳管GPU裸金属服务器由于CloudInit导致纳管失败的解决方案
- GPU A系列裸金属服务器使用CUDA cudaGetDeviceCount()提示CUDA initializat失败
- 裸金属服务器Euler OS升级NetworkManager-config-server导致SSH链接故障解决方案
- Lite Cluster
-
常见问题
- 权限相关
- 存储相关
- Standard自动学习
- Standard Workflow
-
Standard数据准备
- 在ModelArts数据集中添加图片对图片大小有限制吗？
- 如何将本地标注的数据导入ModelArts？
- 在ModelArts中数据标注完成后，标注结果存储在哪里？
- 在ModelArts中如何将标注结果下载至本地？
- 在ModelArts中进行团队标注时，为什么团队成员收不到邮件？
- ModelArts团队标注的数据分配机制是什么？
- 如何将两个ModelArts数据集合并？
- 在ModelArts中同一个账户，图片展示角度不同是为什么？
- 在ModelArts中智能标注完成后新加入数据需要重新训练吗？
- 在ModelArts中如何将图片划分到验证集或者训练集？
- 在ModelArts中物体检测标注时能否自定义标签？
- ModelArts数据集新建的版本找不到怎么办？
- 如何切分ModelArts数据集？
- 如何删除ModelArts数据集中的图片？
-
Standard Notebook
- ModelArts的Notebook是否支持Keras引擎？
- 如何在ModelArts的Notebook中上传下载OBS文件？
- ModelArts的Notebook实例upload后，数据会上传到哪里？
- 在ModelArts中如何将Notebook A的数据复制到Notebook B中？
- 在ModelArts的Notebook中如何对OBS的文件重命名？
- 在ModelArts的Notebook中如何使用pandas库处理OBS桶中的数据？
- 在ModelArts的Notebook中，如何访问其他账号的OBS桶？
- 在ModelArts的Notebook中JupyterLab默认工作路径是什么？
- 如何查看ModelArts的Notebook使用的cuda版本？
- 在ModelArts的Notebook中如何获取本机外网IP？
- ModelArts的Notebook有代理吗？如何关闭？
- 在ModelArts的Notebook中内置引擎不满足使用需要时，如何自定义引擎IPython Kernel？
- 在ModelArts的Notebook中如何将git clone的py文件变为ipynb文件？
- 在ModelArts的Notebook实例重启时，数据集会丢失吗？
- 在ModelArts的Notebook的Jupyterlab可以安装插件吗？
- 在ModelArts的Notebook的CodeLab中能否使用昇腾卡进行训练？
- 如何在ModelArts的Notebook的CodeLab上安装依赖？
- 在ModelArts的Notebook中安装远端插件时不稳定要怎么办？
- 在ModelArts的Notebook中实例重新启动后要怎么连接？
- 在ModelArts的Notebook中使用VS Code调试代码无法进入源码怎么办？
- 在ModelArts的Notebook中使用VS Code如何查看远端日志？
- 在ModelArts的Notebook中如何打开VS Code的配置文件settings.json？
- 在ModelArts的Notebook中如何设置VS Code背景色为豆沙绿？
- 在ModelArts的Notebook中如何设置VS Code远端默认安装的插件？
- 在ModelArts的VS Code中如何把本地插件安装到远端或把远端插件安装到本地？
- 在ModelArts的Notebook中，如何使用昇腾多卡进行调试？
- 在ModelArts的Notebook中使用不同的资源规格训练时为什么训练速度差不多？
- 在ModelArts的Notebook中使用MoXing时，如何进行增量训练？
- 在ModelArts的Notebook中如何查看GPU使用情况？
- 在ModelArts的Notebook中如何在代码中打印GPU使用信息？
- 在ModelArts的Notebook中JupyterLab的目录、Terminal的文件和OBS的文件之间的关系是什么？
- 如何在ModelArts的Notebook实例中使用ModelArts数据集？
- pip介绍及常用命令
- 在ModelArts的Notebook中不同规格资源/cache目录的大小是多少？
- 资源超分对在ModelArts的Notebook实例有什么影响？
- 如何在Notebook中安装外部库？
- 在ModelArts的Notebook中，访问外网速度不稳定怎么办？
-
Standard模型训练
- 在ModelArts训练得到的模型欠拟合怎么办？
- 在ModelArts中训练好后的模型如何获取？
- 在ModelArts上如何获得RANK_TABLE_FILE用于分布式训练？
- 在ModelArts上训练模型如何配置输入输出数据？
- 在ModelArts上如何提升训练效率并减少与OBS的交互？
- 在ModelArts中使用Moxing复制数据时如何定义路径变量？
- 在ModelArts上如何创建引用第三方依赖包的训练作业？
- 在ModelArts训练时如何安装C++的依赖库？
- 在ModelArts训练作业中如何判断文件夹是否复制完毕？
- 如何在ModelArts训练作业中加载部分训练好的参数？
- ModelArts训练时使用os.system('cd xxx')无法进入文件夹怎么办？
- 在ModelArts训练代码中，如何获取依赖文件所在的路径？
- 自如何获取ModelArts训练容器中的文件实际路径？
- ModelArts训练中不同规格资源“/cache”目录的大小是多少？
- ModelArts训练作业为什么存在/work和/ma-user两种超参目录？
- 如何查看ModelArts训练作业资源占用情况？
- 如何将在ModelArts中训练好的模型下载或迁移到其他账号？
-
Standard推理部署
- 如何将Keras的.h5格式的模型导入到ModelArts中？
- ModelArts导入模型时，如何编写模型配置文件中的安装包依赖参数？
- 在ModelArts中使用自定义镜像创建在线服务，如何修改端口？
- ModelArts平台是否支持多模型导入？
- 在ModelArts中导入模型对于镜像大小有什么限制？
- ModelArts在线服务和批量服务有什么区别？
- ModelArts在线服务和边缘服务有什么区别？
- 在ModelArts中部署模型时，为什么无法选择Ascend Snt3资源？
- ModelArts线上训练得到的模型是否支持离线部署在本地？
- ModelArts在线服务预测请求体大小限制是多少？
- ModelArts部署在线服务时，如何避免自定义预测脚本python依赖包出现冲突？
- ModelArts在线服务预测时，如何提高预测速度？
- 在ModelArts中调整模型后，部署新版本模型能否保持原API接口不变？
- ModelArts在线服务的API接口组成规则是什么？
- ModelArts在线服务处于运行中时，如何填写request header和request body？
-
Standard镜像相关
- 不在同一个主账号下，如何使用他人的自定义镜像创建Notebook？
- 如何登录并上传镜像到SWR？
- 在Dockerfile中如何给镜像设置环境变量？
- 如何通过docker镜像启动容器？
- 如何在ModelArts的Notebook中配置Conda源？
- ModelArts的自定义镜像软件版本匹配有哪些注意事项？
- 镜像在SWR上显示只有13G，安装少量的包，然后镜像保存过程会提示超过35G大小保存失败，为什么？
- 如何保证自定义镜像能不因为超过35G而保存失败？
- 如何减小本地或ECS构建镜像的目的镜像的大小？
- 镜像过大，卸载原来的包重新打包镜像，最终镜像会变小吗？
- 在ModelArts镜像管理注册镜像报错ModelArts.6787怎么处理？
- 用户如何设置默认的kernel？
- Standard专属资源池
- MaaS
- Edge
- API/SDK
- Lite Server
- Lite Cluster
- 历史文档待下线
- 视频帮助
- 文档下载
- 通用参考
链接复制成功！
使用AI Gallery的订阅算法实现花卉识别
本案例以“ResNet_v1_50”算法、花卉识别数据集为例，指导如何从AI Gallery下载数据集和订阅算法，然后使用算法创建训练模型，将所得的模型部署为在线服务。其他算法操作步骤类似，可参考“ResNet_v1_50”算法操作。
说明：
费用说明：本案例使用过程中，从AI Gallery下载数据集和订阅算法免费，在ModelArts上运行训练作业推荐使用免费资源，将模型部署为在线服务推荐使用免费资源。但是数据集存储在OBS桶中会收取少量费用，具体计费请参见OBS价格详情页，案例使用完成后请及时清除资源和数据。
准备工作
- 注册华为账号并开通华为云、实名认证
- 配置委托访问授权
ModelArts使用过程中涉及到OBS、SWR、IEF等服务交互，首次使用ModelArts需要用户配置委托授权，允许访问这些依赖服务。
- 使用华为云账号登录ModelArts管理控制台，在左侧导航栏单击“权限管理”，进入“权限管理”页面，单击“添加授权”。
- 在弹出的“访问授权”窗口中，
委托选择：新增委托
权限配置：普通用户
选择完成后勾选“我已经详细阅读并同意《ModelArts服务声明》”，然后单击“创建”。
- 完成配置后，在ModelArts控制台的权限管理列表，可查看到此账号的委托配置信息。
步骤1：准备训练数据
- 从AI Gallery下载训练数据，单击链接四类花卉图像分类小数据集，进入数据集详情页。
- 选择“数据集文件”页签后，单击“下载文件”跳转至下载详情页面。
- 在下载详情页面，填写参数。
- 下载方式：选择“对象存储服务（OBS）”
- 目标区域：选择“华北-北京四”（即要部署服务的云服务区）
- 目标位置：请选择一个空的OBS目录，本示例为“/test-modelartsz/dataset-flower/”
说明：
此处从AI Gallery下载并使用数据集是限时免费的，但数据集存储在OBS，从OBS中读取数据需要根据OBS的计费原则收费。
- 确认无误后，单击确定。页面自动跳转到“我的数据>我的下载”页面，请耐心等待，预计5分钟左右。
- 下载完成后，您可以单击目标位置跳转至OBS桶中查看是否存在已下载的数据。
步骤2：订阅算法
- 在AI Gallery搜索“ResNet_v1_50”，进入算法详情页。
- 单击右侧的“训练 > ModelArts”后，选择ModelArts的云服务区域（即要部署服务的云服务区），单击“确认”，跳转至ModelArts的“算法管理>我的订阅”中。
步骤3：使用订阅算法创建训练作业
算法订阅成功后，算法将呈现在“算法管理>我的订阅”中，您可以使用订阅的“ResNet_v1_50”算法创建训练作业，获得模型。
- 进入“算法管理 > 我的订阅”页面，选择订阅的“图像分类-ResNet_v1_50”算法，单击操作列的“创建训练作业”。
- 在创建训练作业页面，参考如下说明填写关键参数。
- “创建方式>我的订阅”：系统默认选择订阅的算法，请勿随意修改。
- “训练输入”：选择数据存储位置，然后从弹出的窗口中选择步骤1：准备训练数据中下载好的数据dataset-flower。
- “训练输出”：选择一个OBS空目录存储训练输出的模型，例如：“test-modelartsz/output-flower”。
- “超参”：建议采用默认值。
- “资源类型”：可以选择限时免费的GPU规格资源，如果希望训练效率更高，可以选择收费的GPU资源。
- “计算节点个数”：建议采用默认值1。
- 参数填写完成后，单击“提交”，根据界面提示确认规格，单击“确定”，完成训练作业创建。
- 进入“训练管理 > 训练作业”页面，等待训练作业完成。
训练作业运行需要几分钟时间，请耐心等待。根据经验，选择样例数据集，使用GPU资源运行，预计3分钟左右可完成。
当训练作业的状态变更为“已完成”时，表示已运行结束。
您可以单击训练作业名称，进入详情页面，了解训练作业的“配置信息”、“日志”、“资源占用情况”和“评估结果”等信息。您也可以在配置的“训练输出位置”对应的OBS目录下获得训练生成的模型。
步骤4：创建AI应用
- 在训练作业详情页的右上角单击“创建AI应用”，进入创建AI应用页面。
也可以在ModelArts管理控制台，选择“资产管理 > AI应用”，在“自定义AI应用”页面，单击“创建”，进入创建AI应用页面。
- 在创建AI应用页面，系统会自动根据上一步训练作业填写参数，参考如下说明确认关键参数。
“选择训练作业”：系统自动选择上一步创建的训练作业。
“AI引擎”：系统自动写入该模型的AI引擎，无需修改。
“推理代码”：系统自动放置推理代码到OBS输出路径，无需修改。
“部署类型”：默认选择“在线服务”。
- 参数填写完成后，单击“立即创建”。页面自动跳转至AI应用列表页面，等待创建结果，预计2分钟左右。
当AI应用的状态变为“正常”时，表示创建成功。
步骤5：部署为在线服务（CPU）
AI应用创建成功后，可将其部署为在线服务，在部署时可使用CPU资源。
- 单击AI应用名称左侧的单选按钮，在列表页底部展开“版本列表”，在版本的操作列中单击“部署 > 在线服务”。
- 在部署页面，参考如下说明填写关键参数。
- “资源池”：选择“公共资源池”。
- “选择AI应用及版本”：AI应用来源及版本会自动选择前面创建的AI应用。
- “计算节点规格”：在下拉框中选择限时免费的CPU资源，如果限时免费资源售罄，建议选择收费CPU资源进行部署。
- “计算节点个数”，默认设置为“1”。
- 其他参数可使用默认值。
说明：
选择CPU资源部署模型会收取少量费用，具体费用以界面信息为准。
如果需要使用GPU资源部署上线，需要进入模型所在位置，即步骤3：使用订阅算法创建训练作业步骤生成的“训练输出”路径，进入“model”目录，打开并编辑“config.json”文件，将“runtime”的配置修改为ModelArts支持的GPU规格，例如"runtime": "tf1.13-python3.6-gpu"。修改完成后，重新执行导入模型和部署为在线服务的操作。
- 参数设置完成后，单击“下一步”，确认规格参数，单击“提交”，完成在线服务的部署。
- 您可以进入“模型部署 > 在线服务”页面，等待服务部署完成，当服务状态变为“运行中”时，表示服务部署成功。预计时长2分钟左右。
- 在线服务部署完成后，您可以单击操作列的预测，进入服务详情页的“预测”页面。
- 在“预测”页签，单击“上传”，上传一个测试图片，单击“预测”进行预测。此处提供一个预测样例图供使用。
父主题： 历史待下线案例
