描述信息：了解数据集的来源、数据类型、样本量等信息。 在“描述信息”区域，单击“样本量”下面的，可以刷新该数据集的样本量。 对发布时分析失败的数据集，或者已经发布的数据集，可以手工方式进行样本量刷新。 刷新完成后样本量会呈现，如果样本量任务执行失败，则会再次显示。 数据浏览器

查看更多 →

数据量足够，为什么盘古大模型微调效果仍然不好 这种情况可能是由于以下原因导致的，建议您排查： 数据质量：请检查训练数据的质量，若训练样本和目标任务不一致或者分布差异较大、样本中存在异常数据、样本的多样性较差，都将影响模型训练的效果，建议提升您的数据质量。 父主题： 大模型微调训练类问题

查看更多 →

任务信息参数说明 参数 说明 任务名称 敏感检测任务的自定义名称。 样本量 敏感检测的样本量。 包含如下选项： 全量检测：检测全量样本。 简单抽样：同时设置“抽样数量”，会按照数据文件的展示顺序，从前面抽取对应抽样数量的样本进行敏感检测。 数据源类型 数据源的类型，包含如下选项： 公有OBS

查看更多 →

sample_data Array of strings 样本数据列表。 sample_dir String 样本所在路径。 sample_id String 样本ID。 sample_name String 样本名称。 sample_size Long 样本大小或文本长度，单位是字节。 sample_status

查看更多 →

killed by signal: Killed BP” 问题现象 训练作业日志运行出现如下报错：Runtimeerror: Dataloader worker (pid 46212 ) is killed by signal: Killed BP。 原因分析 由于batch size过大，导致Dataloader进程退出。

查看更多 →

number is 0” 问题现象 日志提示“root: XXX valid number is 0”，表示训练集/验证集/测试集的有效样本量为0，例如： INFO: root: Train valid number is 0. INFO: root: Eval valid number

查看更多 →

描述信息：了解数据集的来源、数据类型、样本量等信息。 在“描述信息”区域，单击“样本量”下面的，可以刷新该数据集的样本量。 对发布时分析失败的数据集，或者已经发布的数据集，可以手工方式进行样本量刷新。 刷新完成后样本量会呈现，如果样本量任务执行失败，则会再次显示。 数据浏览器

查看更多 →

为什么微调后的盘古大模型只能回答训练样本中的问题 为什么在微调后的盘古大模型中输入训练样本问题，回答完全不同 为什么微调后的盘古大模型评估结果很好，但实际场景表现很差 为什么多轮问答场景的盘古大模型微调效果不好 数据量足够，为什么盘古大模型微调效果仍然不好 数据量和质量均满足要求，为什么盘古大模型微调效果不好

查看更多 →

请求示例 按条件查询BPM的实例。 GET https://AstroZero 域名 /u-route/baas/bp/v2.0/metadata/definitions?name=BP&active=false 响应示例 { "resCode": "0", "resMsg":

查看更多 →

155:40214 [Receiving block BP-1287143557-192.168.199.6-1500707719940:blk_1074269754_528941 with io weight 10] | opWriteBlock BP-1287143557-192.168.199

查看更多 →

数据采样 如果数据量太大，造成特征操作等待的时间长，用户可以通过采样功能减少特征处理的数据量，提升特征处理的速度。 数据采样提供如下两种方式，请根据实际情况进行选择： 随机采样：按照比例进行样本数据的随机采样。 分层采样：如果一个特征或多个特征组合样本值的类型多样，为保证采样数据

查看更多 →

标数据名称。 数据联合 数据连接操作后，新生成的数据，其特征列会增多；数据联合操作后，数据集实例的样本量会增多。 数据联合，是合并两份数据的样本，合并后数据的样本量是两份数据样本量的总和。 左表和右表特征列数不一致时，按照如下情况处理： 左表特征列数多，右表不足的特征列补充空值。

查看更多 →

模型如何提升效果 检查是否存在训练数据过少的情况，建议每个标签的样本数不少于100个，如果低于这个量级建议扩充。 检查不同标签的样本数是否均衡，建议不同标签的样本数量级相同，并尽量接近，如果有的类别数据量很高，有的类别数据量较低，会影响模型整体的识别效果。 选择适当的学习率和训练轮次。

查看更多 →

查询样例数据刷新状态 提交数据分析请求 查询数据分析状态 查询数据分析结果 根据数据集的entitiesId获取数据集的特征信息 提交样本量或者时域分析任务 查询样本量或者时域分析任务状态 修改数据集 搜索数据集 获取数据集的联系人信息 根据数据集ID获取数据集分类信息 修改数据集分类信息 根据数据集分类过滤查询数据集

查看更多 →

查询样例数据刷新状态 提交数据分析请求 查询数据分析状态 查询数据分析结果 根据数据集的entitiesId获取数据集的特征信息 提交样本量或者时域分析任务 查询样本量或者时域分析任务状态 修改数据集 搜索数据集 获取数据集的联系人信息 根据数据集ID获取数据集分类信息 修改数据集分类信息 根据数据集分类过滤查询数据集

查看更多 →

模型如何提升效果 检查是否存在训练数据过少的情况，建议每个类别的图片量不少于100个，如果低于这个量级建议扩充。 检查不同标签的样本数是否均衡，建议不同标签的样本数量级相同，并尽量接近，如果有的类别数据量很高，有的类别数据量较低，会影响模型整体的识别效果。 选择适当的学习率和训练轮次。

查看更多 →

模型如何提升效果 检查是否存在训练数据过少的情况，建议每个类别的图片量不少于100个，如果低于这个量级建议扩充。 检查不同标签的样本数是否均衡，建议不同标签的样本数量级相同，并尽量接近，如果有的类别数据量很高，有的类别数据量较低，会影响模型整体的识别效果。 选择适当的学习率和训练轮次。

查看更多 →

日志提示“root: XXX valid number is 0”，表示训练集/验证集的有效样本量为0，例如： INFO: root: Train valid number is 0. 该日志表示数据集中的有效样本量为0，可能有如下原因： 数据未标注。 标注的数据不符合规格。 请检查数据是否已标注或标注是否符合算法要求。

查看更多 →

如何解释伙伴权益/要求项？ 解决方案提供商的权益/要求解释如下： 名称 解释 年度业绩 伙伴账户（包含其下关联的所有子账户）在华为云贡献的年度收入之和（预估）。 签署市场拓展BP 申请成为领先级的解决方案提供商时，需要提供解决方案的商业计划承诺书，明确当年解决方案的业绩要求。 父主题：

查看更多 →

模型如何提升效果 检查是否存在训练数据过少的情况，建议每个类别的图片量不少于100个，如果低于这个量级建议扩充。 检查不同标签的样本数是否均衡，建议不同标签的样本数量级相同，并尽量接近，如果有的类别数据量很高，有的类别数据量较低，会影响模型整体的识别效果。 选择适当的学习率和训练轮次。

查看更多 →

模型如何提升效果 检查是否存在训练数据过少的情况，建议每个类别的图片量不少于100个，如果低于这个量级建议扩充。 检查不同标签的样本数是否均衡，建议不同标签的样本数量级相同，并尽量接近，如果有的类别数据量很高，有的类别数据量较低，会影响模型整体的识别效果。 选择适当的学习率和训练轮次。

查看更多 →