当需要从训练中断的位置接续训练，只需要加载checkpoint，并用checkpoint信息初始化训练状态即可。用户需要在代码里加上reload ckpt的代码，用于读取前一次训练保存的预训练模型。 训练过程 断点续训脚本qwen.sh，存放在“xxx-Ascend/llm_train/A

查看更多 →

lityInspection 接口功能 智能实训接口，在Lodas上部署并训练实训模型后，通过智能IVR中的业务接口调用，将用户语音文本信息发送给LODAS，获取智能引擎将评分结果。借助智能化能力，建设一体化系统，实现客户机器人仿真来电实训、答复准确率自动评估、操作准确性自动评估

查看更多 →

没有模型的问答和基于标注数据训练了模型的区别 训练模型会将问答进行优化训练得到最佳回答效果，没有模型的问答只是基于标准问和答案匹配结果。 父主题： 智能 问答机器人

查看更多 →

暂不支持导入ModelArts中“自动学习”训练的模型。 华为HiLens 只能导入ModelArts中训练的模型文件，不能导入ModelArts的模型。 本地训练模型 导入自定义模型前，需要将自定义的模型上传到OBS服务，非“.om”格式的模型上传文件包含caffe模型文件“.caffemodel”和“

查看更多 →

AI 人脸检测结果 消息名称 MSG_AI_FACE_DETECTION_RESULT 功能描述 启动人脸检测功能后，通过该消息上报人脸检测结果列表，列表中包含 人脸识别 ID及坐标信息，最多支持同时识别十人。 是否自动推送 是 subMsgID 预留 Param1 预留 Param2

查看更多 →

AI 企业智慧屏的音幕、声源定位、Auto-Framing是否是终端独立能力，与入驻式平台版本有关联么？ 如何实现人脸识别功能？ 如何实现人脸唤醒功能？ AI多模态会议纪要和实时字幕翻译怎么实现？ 父主题： 产品规格

查看更多 →

cpu_usage：CPU使用率，上限100。 disk_io：两个采集间隔内的磁盘IO延迟。 network_io：两个采集间隔内的网络IO延迟。 threadpool_usage：线程池使用率。 threadpool_hang_rate：线程池group处于hang状态的比例。 max_length int 采集队列长度。

查看更多 →

00。 disk_io：两个采集间隔内的磁盘I/O延迟。 network_io：两个采集间隔内的网络I/O延迟。 threadpool_usage：线程池使用率。 threadpool_hang_rate：线程池group处于hang状态的比例。 max_length int 采集队列长队。

查看更多 →

restart_count int 同一后台线程异常重复注册同一喂狗任务名的次数，该参数在任务调用取消注册喂狗任务接口后清零。 timeout_action text 注册任务时指定的超时处理动作。当前提供的处理动作如下： WATCHDOG_REPORT_WARNING：超时定位定界提示。

查看更多 →

大耗时。 ai_watchdog_used_memory_kb：本功能当前内存使用。 ai_watchdog_detection_times：已检测次数。 enable_self_healing：发现问题后是否可以自愈。 oom_detected_times：已检测到的OOM次数。

查看更多 →

大耗时。 ai_watchdog_used_memory_kb：本功能当前内存使用。 ai_watchdog_detection_times：已检测次数。 enable_self_healing：发现问题后是否可以自愈。 oom_detected_times：已检测到的OOM次数。

查看更多 →

话体验”，进行验证。 调整阈值 训练好的模型可以通过调整阈值，影响机器人直接回答的准确率。阈值越高，用户的说法与语料的相似度要求越高，技能识别越严谨；阈值越低，用户的说法与语料的相似度要求越低，技能识别越宽松。 在“发布测试”页面，单击操作列的“调整阈值”，可以手动调整技能阈值。

查看更多 →

户训练作业的长稳运行 提供训练作业断点续训与增量训练能力，即使训练因某些原因中断，也可以基于checkpoint接续训练，保障需要长时间训练的模型的稳定性和可靠性，避免重头训练耗费的时间与计算成本 支持训练数据使用SFS Turbo文件系统进行数据挂载，训练作业产生的中间和结果等数据可以直接高速写入到SFS

查看更多 →

LoRA训练 本章节介绍SDXL&SD 1.5模型的LoRA训练过程。LoRA训练是指在已经训练好的模型基础上，使用新的数据集进行LoRA微调以优化模型性能的过程。修改数据集路径、模型路径。脚本里写到datasets路径即可。 run_lora_sdxl中的vae路径要准确写到sdxl_vae

查看更多 →

本章节介绍SDXL&SD 1.5模型的LoRA训练过程。LoRA训练是指在已经训练好的模型基础上，使用新的数据集进行LoRA微调以优化模型性能的过程。 训练前需要修改数据集路径、模型路径。脚本里写到datasets路径即可。 run_lora_sdxl中的vae路径要准确写到sdxl_vae

查看更多 →

成（NLG）任务的SOTA模型开发与应用。 支持的模型结构框架 AI Gallery的Transformers库支持的开源模型结构框架如表1所示。 表1 支持的模型结构框架 模型结构 PyTorch MindSpore GPU 昇腾 Llama 支持 不支持 支持 支持 Bloom

查看更多 →

AI 开始人脸检测 停止人脸检测 获取人脸图像 父主题： 配置类

查看更多 →

ai_watchdog_detection_warnings 表1 ai_watchdog_detection_warnings参数 参数 类型 描述 event text 事件名称。 cause text 事件原因。 details text 事件详情。 time timestamp

查看更多 →

大耗时。 ai_watchdog_used_memory_kb：本功能当前内存使用。 ai_watchdog_detection_times：已检测次数。 enable_self_healing：发现问题后是否可以自愈。 oom_detected_times：已检测到的OOM次数。

查看更多 →

cpu_usage：CPU使用率，上限100。 disk_io：两个采集间隔内的磁盘IO延迟。 network_io：两个采集间隔内的网络IO延迟。 threadpool_usage：线程池使用率。 threadpool_hang_rate：线程池group处于hang状态的比例。 max_length int 采集队列长度。

查看更多 →

ai_watchdog_detection_warnings 表1 ai_watchdog_detection_warnings参数 参数 类型 描述 event text 事件名称。 cause text 事件原因。 details text 事件详情。 time timestamp

查看更多 →