性能测试服务的错误日志是怎么显示的？ 默认按每种不同返回状态码进行抽样，按10‰的抽样比例采集成功/失败的请求日志。 失败日志的采集比例可以在“高级配置 > 失败日志采集”比例中调整，最大1000‰。 父主题： JMeter工程使用

查看更多 →

Q：设备报错显示校验证书错误是怎么回事？ A：如下图所示，此提示信息为设备SDK上报，上报“校验证书错误”可能出现的两种情况如下： 网络连接超时（旧SDK返回的错误码有误，新SDK已经处理了这个问题）。 设备侧证书使用的不对（比如时间、证书被修改等原因)。 处理方式：先排查网络原因，再收集设备 日志分析 。

查看更多 →

--------------- (8,8) (1 row) hll_sparseon(hll) 描述：是否启用sparse模式，0是关闭，1是开启。 返回值类型：integer 示例： 1 2 3 4 5 SELECT hll_sparseon(hll_empty()); hll_sparseon

查看更多 →

benchmark工具用于精度验证，主要工作原理是：固定模型的输入，通过benchmark工具进行推理，并将推理得到的输出与标杆数据进行相似度度量（余弦相似度和平均相对误差），得到模型转换后的精度偏差信息。使用benchmark进行精度比对的基本流程如下： 将模型输入保存二进制文件。 #

查看更多 →

--------------- (8,8) (1 row) hll_sparseon(hll) 描述：是否启用sparse模式，0是关闭，1是开启。 返回值类型：integer 示例： 1 2 3 4 5 SELECT hll_sparseon(hll_empty()); hll_sparseon

查看更多 →

表示您还未订阅该区域下的 图像搜索 服务，请您开通后再使用该服务。 出现其它错误码及错误信息说明请参考表-错误码说明，在调用方找不到错误原因时，可以联系华为云客服，并提供错误码，以便尽快帮您解决问题。 父主题： 错误码问题

查看更多 →

文本内容审核 功能，则您在“华东-上海一”调用该接口就会出现该错误码。 出现其它错误码及错误信息说明请参考表-错误码说明，在调用方找不到错误原因时，可以联系华为云客服，并提供错误码，以便尽快帮您解决问题。 父主题： 错误码问题

查看更多 →

四”下的图像标签功能，则您在“华东-上海一”调用该接口就会出现该错误码。 出现其它错误码及错误信息说明请参考错误码说明，在调用方找不到错误原因时，可以联系支持人员并提供错误码，以便尽快帮您解决问题。 父主题： 错误码问题

查看更多 →

错误码显示ModelArts.4603、ModelArts.4704怎么处理？ 如果在调用API时返回错误信息与错误码： 调用接口出错后，返回的消息体中具体的错误代码及错误信息为： { "error_code":"ModelArts.4603", "error_msg":"Obtaining

查看更多 →

）一边接读写流量，另一边只能接只读业务，即双主灾备是整体上双主，但微观上数据单元仍然是一边读写，一边只读。常见场景请参见实时灾备异常场景。 当灾备数据库为5.7版本时，因为版本限制，json类型中的浮点数会丢失小数点后末位的0，存在精度损失导致内容对比不一致。 在创建DRS任务之

查看更多 →

1字节 带符号的范围是0 ~ +255。 无符号的范围是0 ~ +255。 当sql_compatibility = 'MYSQL'时，设置参数b_format_version = '5.7'和参数b_format_dev_version = 's1'后，带符号的范围是-128 ~ +127。

查看更多 →

-w {output_path} --debug 参数说明如下： --datasets：评测的数据集及评测方法，其中 mmlu 是数据集，ppl 是评测方法。 --hf-type：HuggingFace模型权重类型(base,chat), 默认为chat, 依据实际的模型选择。

查看更多 →

训练精度测试 流程图 训练精度测试流程图如下图所示： 图1 训练精度测试流程图 执行训练任务 进入test-benchmark目录执行训练命令，可以多次执行，按自己实际情况。 benchmark-cli train <cfgs_yaml_file> <model_name> <run_type>

查看更多 →

vllm_path是模型权重路径； max_model_len 是最大模型长度，默认设置为4096； gpu_memory_utilization是gpu利用率，如果模型出现oom报错，调小参数； tensor_parallel_size是使用的卡数； quantization是量化参数，

查看更多 →

训练精度测试 流程图 训练精度测试流程图如下图所示： 图1 训练精度测试流程图 执行训练任务 进入test-benchmark目录执行训练命令，可以多次执行，按自己实际情况。 benchmark-cli train <cfgs_yaml_file> <model_name> <run_type>

查看更多 →

-w {output_path} --debug 参数说明如下: --datasets, 评测的数据集及评测方法，其中 mmlu 是数据集，ppl 是评测方法 --hf-type, HuggingFace模型权重类型(base,chat), 默认为chat, 依据实际的模型选择 --hf-path

查看更多 →

精度问题处理 设置高精度并重新转换模型 在转换模型时，默认采用的精度模式是fp16，如果转换得到的模型和标杆数据的精度差异比较大，可以使用fp32精度模式提升模型的精度（精度模式并不总是需要使用fp32，因为相对于fp16，fp32的性能较差。因此，通常只在检测到某个模型精度存在

查看更多 →

时间精度（time_confidence） 数值 含义 0 不具备或不可用 1 100 2 50 3 20 4 10 5 2 6 1 7 0.5 8 0.2 9 0.1 10 0.05 11 0.02 12 0.01 13 0.005 14 0.002 15 0.001 16 0

查看更多 →

-w {output_path} --debug 参数说明如下： --datasets：评测的数据集及评测方法，其中 mmlu 是数据集，ppl 是评测方法。 --hf-type：HuggingFace模型权重类型(base,chat), 默认为chat, 依据实际的模型选择。

查看更多 →

vllm_path是模型权重路径； max_model_len 是最大模型长度，默认设置为4096； gpu_memory_utilization是gpu利用率，如果模型出现oom报错，调小参数； tensor_parallel_size是使用的卡数； quantization是量化参数，

查看更多 →

推理精度测试 本章节介绍如何进行推理精度测试。 前提条件 确保容器可以访问公网。 Step1 配置精度测试环境 获取精度测试代码。精度测试代码存放在代码包AscendCloud-3rdLLM-xxx.zip的llm_tools/llm_evaluation（6.3.905版本）目

查看更多 →