删除iDEE业务面上的模型 模型不再使用时，可通过删除功能，将模型彻底删除。删除后的模型不可恢复，请谨慎操作。 前提条件 已获取具有相应角色权限的账号和密码。 删除模型 登录iDEE控制台。 在“几何数据转换服务”所在行，单击“访问服务网址”，进入iDEE业务面。 在左侧导航栏中，单击“工作台”，进入“工作台”页面。

查看更多 →

以直接使用模型进行训推。 当按钮置灰时，表示模型不支持该任务。部分模型支持“在线体验”功能，请以实际环境为准。 模型介绍 表1列举了ModelArts Studio大模型即服务平台支持的模型清单，模型详细信息请查看界面介绍。 表1 模型广场的模型系列介绍 模型系列 模型类型 应用场景

查看更多 →

确判断和学习到使用者的偏好，最后，DPO算法还可以与其他优化算法相结合，进一步提高深度学习模型的性能。 SFT监督式微调(Self-training Fine-tuning)：是一种利用有标签数据进行模型训练的方法。 它基于一个预先训练好的模型，通过调整模型的参数，使其能够更好地拟合特定任务的数据分布。

查看更多 →

用本文档。 本文档中的模型运行环境是ModelArts Lite Server。 镜像适配的Cann版本是cann_8.0.rc2。 确保容器可以访问公网。 训练支持的模型列表 本方案支持以下模型的训练，如表1所示。 表1 支持的模型 序号 支持模型 支持模型参数量 1 llama2

查看更多 →

”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。 导入（转换）模型 在HiLens Studio界面左侧，单击。 页面左侧将显示您在ModelArts训练好的模型列表。 图1 模型列表 选择待导入、转换的模型，单击“

查看更多 →

如果学习率过小，模型的收敛速度将变得非常慢。 训练轮数 表示完成全部训练数据集训练的次数。每个轮次都会遍历整个数据集一次。 Lora矩阵的轶 较高的取值意味着更多的参数被更新，模型具有更大的灵活性，但也需要更多的计算资源和内存。较低的取值则意味着更少的参数更新，资源消耗更少，但模型的表达能力可能受到限制。

查看更多 →

边上权重，取值为空或字符串， 当图中的边没有配置该属性时，算法会报错。 空：边上的权重、距离默认为“1"。 字符串：对应的边上的属性将作为权重。 OD_pairs和seeds参数二选一，当OD_pairs和seeds同时输入时，以OD_pair为准，忽略seeds。 响应参数 参数

查看更多 →

AI智能生成 使用智能助手自动生成组合应用：智能助手通过NLP (Natural Language Processing) 机器学习，理解用户输入的集成业务需求，匹配系统支持的触发器、连接器和数据处理器，生成组合应用。可以对生成的组合应用进一步配置、编排、构建和部署上线。 父主题：

查看更多 →

数据预处理的目的是保证数据集的质量，使其能够有效地训练模型，并减少对模型性能的不利影响。 模型开发：模型开发是大模型项目中的核心阶段，通常包括以下步骤： 选择合适的模型：根据任务目标选择适当的模型。 模型训练：使用处理后的数据集训练模型。 超参数调优：选择合适的学习率、批次大小等超参数，确保模型在训练过程中能够快速收敛并取得良好的性能。

查看更多 →

自接入的模型在模型调测的时候报错是什么原因？ 接入第三方模型服务时，填写的模型名称必须为该模型的模型ID/模型编码（登录第三方模型厂商官网查看），例如：Baichuan4、deepseek-chat、glm-4-air，如图1所示，否则会导致模型不可用。 图1 接入模型服务 父主题：

查看更多 →

要考虑模型具体的精度效果，和实际应用成本。 MaaS提供灵活的模型开发能力，同时基于昇腾云的算力底座能力，提供了若干保障客户商业应用的关键能力。 保障客户系统应用大模型的成本效率，按需收费，按需扩缩的灵活成本效益资源配置方案，有效避免了资源闲置与浪费，降低了进入AI领域的门槛。

查看更多 →

通过源模型实例ID查询关联的目标模型实例 功能介绍 调用该接口输入源模型的 数据实例 ID，查询并返回与该实例关联的目标模型数据实例的信息，实例信息包含对应数据实例的“列表属性”。 如果目标模型存在“参考对象”类型的属性，且参考的数据模型为抽象模型，返回信息仅返回对应模型的英文名称和

查看更多 →

空或字符串 空：边上的权重、距离默认为“1” 字符串：对应的边上的属性将作为权重，当某边没有对应属性时，权重将默认为“1” 说明： 边上权重应大于0。 weight 关于迭代次数（iterations）和收敛精度（convergence）参数如何调节，请参考迭代次数和收敛精度的关系。 表2

查看更多 →

Fine-tuning)：是一种利用有标签数据进行模型训练的方法。 它基于一个预先训练好的模型，通过调整模型的参数，使其能够更好地拟合特定任务的数据分布。 与从头开始训练模型相比，监督式微调能够充分利用预训练模型的知识和特征表示，从而加速训练过程并提高模型的性能。 训练阶段下有不同的训练策略，分为全参数训练

查看更多 →

训练输出至指定的训练输出路径，请保证您设置的桶路径有写入权限和读取权限。 在ModelArts中，训练代码需包含以下步骤： （可选）引入依赖 当您使用自定义脚本创建算法的时候，如果您的模型引用了其他依赖，您需要在“算法管理 > 创建算法”的“代码目录”下放置相应的文件或安装包。

查看更多 →

AI资产 资产 订购方法 使用场景 提供的功能 如何使用 AI智能体验馆 请参见如何订购&部署资产。 资产使用场景、提供的功能以及如何使用请参见AI智能体验馆。 父主题： 核心资产说明

查看更多 →

AI资产 AI智能体验馆 父主题： 资产说明

查看更多 →

rget_position的寻路算法，但目前仿真器B尚不支持寻路动作acquire_position），控制器有时会根据lead_vehicle的位置更改主车Ego的速度。 地图文件（odr） scenario Straight: m_scene: scenery

查看更多 →

AI Watchdog ai_watchdog_monitor_status ai_watchdog_detection_warnings ai_watchdog_parameters 父主题： DBE_PERF Schema

查看更多 →

AI特性 enable_hypo_index 参数说明：该参数控制数据库的优化器进行EXPLAIN时是否考虑创建的虚拟索引。通过对特定的查询语句执行explain，用户可根据优化器给出的执行计划评估该索引是否能够提升该查询语句的执行效率。 该参数属于USERSET类型参数，请参考表2中对应设置方法进行设置。

查看更多 →

AI Watchdog ai_watchdog_monitor_status ai_watchdog_detection_warnings ai_watchdog_parameters 父主题： DBE_PERF Schema

查看更多 →