盘古预测大模型能力与规格
盘古预测大模型规格
盘古预测大模型是面向结构化数据，通过任务理解、模型推荐、模型融合技术，构建通用的预测能力。
ModelArts Studio大模型开发平台为用户提供了多种规格的预测大模型，以满足不同场景和需求。以下是当前支持的模型清单，您可以根据实际需求选择最合适的模型进行开发和应用。
|
模型支持区域 |
模型名称 |
说明 |
|---|---|---|
|
西南-贵阳一 |
Pangu-Predict-Cla-TS-2.1.0 |
版本说明 盘古分类预测大模型分类任务微调工作流，支持时序数据的分类预测，预测目标数据需要是有限的状态类型，数据类型一般是离散枚举类。该版本基于时序预测基模型实现分类预测能力。时序分类预测有很多应用场景，例如：基于工业设备传感器一段时间采集的连续数据，实现设备正常或异常状态的预测。 训练特性 支持基于盘古预训练预测模型的微调、支持指定协变量。 推理特性 支持云上部署、支持边缘部署。 |
|
Pangu-Predict-Cla-Table-2.0.0 |
版本说明 盘古分类预测大模型分类任务微调工作流，支持表格（非时序）数据的分类预测，预测目标数据需要是有限的状态类型，数据类型一般是离散枚举类。该版本以融合推荐预测模型为底座，实现了分类预测模型的一站式开发工作流。该任务支持特征重要性排序及训练Loss曲线展示。 训练特性 支持微调、提供训练特征重要性。 推理特性 提供分类置信度、支持云上部署、支持边缘部署。 |
|
|
Pangu-Predict-Cla-Table-2.1.0 |
版本说明 盘古分类预测大模型分类任务微调工作流，支持表格（非时序）数据的分类预测，预测目标数据需要是有限的状态类型，数据类型一般是离散枚举类。该版本以融合推荐预测模型（极简模式）为基础，实现分类预测模型的一站式高效开发。 训练特性 支持微调、提供训练特征重要性。 推理特性 提供分类置信度、支持云上部署、支持边缘部署。 |
|
|
Pangu-Predict-Cla-Table-2.2.0 |
版本说明 盘古分类预测大模型分类任务微调工作流，支持表格数据的分类预测，预测目标数据需要是有限的状态类型，数据类型一般是离散枚举类。该版本基于统一编码大模型实现分类预测能力。 训练特性 支持基于盘古预训练预测模型的微调、支持指定协变量。 推理特性 支持云上部署、支持边缘部署。 |
|
|
Pangu-Predict-Reg-TS-2.1.0 |
版本说明 盘古预测大模型回归任务微调工作流，支持时序任务的连续值预测，预测目标数据需要是连续数值，数据类型一般是数值类。该版本基于时序预测基模型实现对未来一组观测值的预测，最多支持128个未来时间点的预测。 训练特性 支持基于盘古预训练预测模型的微调、支持多目标预测支持基于盘古预训练预测模型的微调、支持增量预训练、支持指定协变量。 推理特性 支持云上部署、支持边缘部署。 |
|
|
Pangu-Predict-Reg-Table-2.0.0 |
版本说明 盘古预测大模型回归任务微调工作流，支持表格（非时序）任务的连续值预测，预测目标数据需要是连续数值，数据类型一般是数值类。该版本以推荐融合预测模型为基础实现了回归预测能力，支持部分场景下的特征重要性及Loss曲线展示。 训练特性 支持微调、提供训练特征重要性。 推理特性 支持云上部署、支持边缘部署。 |
|
|
Pangu-Predict-Reg-Table-2.1.0 |
版本说明 盘古预测大模型回归任务微调工作流，支持表格（非时序）任务的连续值预测，预测目标数据需要是连续数值，数据类型一般是数值类。该版本以推荐融合预测模型（极简模式）为基础，实现回归预测模型的一站式高效开发。 训练特性 支持微调、提供训练特征重要性。 推理特性 支持云上部署、支持边缘部署。 |
|
|
Pangu-Predict-Reg-Table-2.2.0 |
版本说明 盘古回归预测大模型回归任务微调工作流，支持表格数据的回归预测，预测目标数据需要是有限的状态类型，数据类型一般是离散枚举类。该版本基于统一编码大模型实现回归预测能力。 训练特性 支持基于盘古预训练预测模型的微调、支持增量预训练。 推理特性 支持云上部署、支持边缘部署。 |
|
|
Pangu-Predict-Anom-Table-2.0.0 |
版本说明 盘古预测大模型异常检测任务微调工作流，支持表格（非时序）异常检测任务，预测目标是正常类和异常类，该版本基于结构化预测模型的分类能力实现对异常状态和正常状态的分析。 训练特性 支持微调。 推理特性 提供分类置信度、支持云上部署、支持边缘部署。 |
|
|
Pangu-Predict-Anom-TS-2.1.0 |
版本说明 盘古预测大模型异常检测任务预训练、微调工作流，支持时序异常检测任务。预训练工作流支持使用设备历史正常数据对时序异常检测大模型进行全量训练，使其更好地学习并重构正常数据的潜在特征分布；微调工作流支持使用历史正异常数据对模型进行微调，实现对异常状态和正常状态的识别。 训练特性 支持基于盘古预训练预测模型的预训练、微调。 推理特性 支持云上部署、支持边缘部署。 |
盘古预测大模型支持的平台操作
在选择和使用盘古大模型时，了解不同模型所支持的操作行为至关重要。不同模型在预训练、微调、模型评测、模型压缩、在线推理和体验中心能力调测等方面的支持程度各不相同，开发者应根据自身需求选择合适的模型。以下是盘古预测大模型支持的具体操作：
|
模型 |
预训练 |
微调 |
模型评测 |
模型压缩 |
在线推理 |
体验中心能力调测 |
|---|---|---|---|---|---|---|
|
模型名称 |
- |
√ |
- |
- |
√ |
- |
|
Pangu-Predict-Cla-TS-2.1.0 |
- |
√ |
- |
- |
√ |
- |
|
Pangu-Predict-Cla-Table-2.0.0 |
- |
√ |
√ |
- |
√ |
- |
|
Pangu-Predict-Cla-Table-2.2.0 |
- |
√ |
- |
- |
√ |
- |
|
Pangu-Predict-Cla-Table-2.1.0 |
- |
√ |
√ |
- |
√ |
- |
|
Pangu-Predict-Reg-TS-2.1.0 |
- |
√ |
- |
- |
√ |
- |
|
Pangu-Predict-Reg-Table-2.0.0 |
- |
√ |
√ |
- |
√ |
- |
|
Pangu-Predict-Reg-Table-2.1.0 |
- |
√ |
√ |
- |
√ |
- |
|
Pangu-Predict-Reg-Table-2.2.0 |
- |
√ |
- |
- |
√ |
- |
|
Pangu-Predict-Anom-Table-2.0.0 |
- |
√ |
√ |
- |
√ |
- |
|
Pangu-Predict-Anom-TS-2.1.0 |
√ |
√ |
- |
- |
√ |
- |
盘古预测大模型对资源池的依赖
|
模型名称 |
云上部署 |
边缘部署 |
|---|---|---|
|
Pangu-Predict-Cla-TS-2.1.0 |
支持 |
支持 |
|
Pangu-Predict-Cla-Table-2.0.0 |
支持 |
支持 |
|
Pangu-Predict-Cla-Table-2.1.0 |
支持 |
支持 |
|
Pangu-Predict-Cla-Table-2.2.0 |
支持 |
支持 |
|
Pangu-Predict-Reg-TS-2.1.0 |
支持 |
支持 |
|
Pangu-Predict-Reg-Table-2.0.0 |
支持 |
支持 |
|
Pangu-Predict-Reg-Table-2.1.0 |
支持 |
支持 |
|
Pangu-Predict-Reg-Table-2.2.0 |
支持 |
支持 |
|
Pangu-Predict-Anom-Table-2.0.0 |
支持 |
支持 |
|
Pangu-Predict-Anom-TS-2.1.0 |
支持 |
支持 |
