，更多数据集字段设置的方法请参考多表关联建模。 步骤4：新建智能分析助手并训练数据 智能分析助手基于华为云盘古大模型，选择用户创建的数据集进行训练，包括数据模型训练、指标模型训练，实现自助分析、对话式分析等多种智能分析能力。 登录智能数据洞察控制台。 在产品首页左下角选择企业项目。

查看更多 →

，可以大幅度提升综合分配率（综合分配率达90%），弹性调度、训练和推理融合调度，大幅度缩减资源发放时间（资源发放<30分钟）。 大模型赋能 盘古大模型赋能自动驾驶，分钟级完成数据处理。自动驾驶场景理解代替人工打标签分类，万段视频片段分钟级处理完成。自动驾驶场景生成，通过NeRF技

查看更多 →

务API进行数据的入库和搜索，帮助用户构建托管式的场景化搜索服务，打造智能化业务系统，提升业务效率。 产品优势 搜索高精度 依托华为云盘古大模型，海量数据学习迭代，具备行业领先的搜索精度。 服务高性能 分布式搜索服务架构，自研向量检索引擎，企业级稳定性，百亿数据毫秒级响应。 定制化服务

查看更多 →

用户指南（盘古辅助制药） 欢迎使用盘古辅助制药平台 关键概念 准备工作 配额管理 系统设置 项目管理 功能模块 AI模型 自定义数据库 数据管理 作业管理 相关参数 修订记录

查看更多 →

，可以大幅度提升综合分配率（综合分配率达90%），弹性调度、训练和推理融合调度，大幅度缩减资源发放时间（资源发放<30分钟）。 大模型赋能 盘古大模型赋能自动驾驶，分钟级完成数据处理。自动驾驶场景理解代替人工打标签分类，万段视频片段分钟级处理完成。自动驾驶场景生成，通过NeRF技

查看更多 →

使用大模型创建AI应用部署在线服务 背景说明 目前大模型的参数量已经达到千亿甚至万亿，随之大模型的体积也越来越大。千亿参数大模型的体积超过200G，在版本管理、生产部署上对平台系统产生了新的要求。例如：导入AI应用管理时，需要支持动态调整租户存储配额；模型加载、启动慢，部署时需要

查看更多 →

API（盘古辅助制药平台） CSS 集群管理 药物通用接口 药物数据库管理 药物作业管理 自由能微扰作业管理 分子对接作业管理 分子合成路径规划作业管理 分子优化作业管理 靶点口袋发现作业管理 靶点口袋分子设计作业管理 分子属性预测作业管理 分子搜索作业管理 药物模型管理

查看更多 →

配额管理 盘古辅助制药平台分为基础版和专业版两个版本。 表1 基础版与专业版区别 功能配额 专业版 基础版 用户总数 50 10 项目总数 100 50 单用户创建项目数 20 20 作业并发数 150 30 模型训练&模型管理 支持 不支持 模型训练和模型管理功能预计下个版本上线。

查看更多 →

创建科大讯飞应用（星火交互认知大模型） 在科大讯飞创建星火交互认知大模型的应用。详细操作如下所示： 星火交互认知大模型应用，不支持直接切换为AIUI通用语义模型，不适用。建议参考创建科大讯飞应用（AIUI通用语义模型）单独为其创建应用。 创建应用 （可选）创建问答库 配置应用 查看应用信息

查看更多 →

药物模型管理 创建模型 获取模型列表 更新药物模型 删除模型 父主题： API（盘古辅助制药平台）

查看更多 →

业务真实 全面业务覆盖 事前防范、行中识别、事后分析全流程管控 行政、采购、财务、人事、审计等五大域全系统覆盖、数据共享、管控无盲区 全球经营合规 华为30年全球经营合规经验，170+国家/地区税法遵从实践，赋能企业合规管理 安全可靠 | 七层超强安全防护 领先安全认证 业界领先

查看更多 →

主流开源大模型基于Standard适配PyTorch NPU训练指导（6.3.905） 场景介绍 准备工作 预训练 SFT全参微调训练 LoRA微调训练 查看日志和性能 训练脚本说明 父主题： LLM大语言模型

查看更多 →

主流开源大模型基于Standard适配PyTorch NPU推理指导（6.3.905） 场景介绍 准备工作 在Notebook调试环境中部署推理服务 在推理生产环境中部署推理服务 推理精度测试 推理性能测试 父主题： LLM大语言模型

查看更多 →

单击界面左下角的“异常检测模型测试”，弹出“异常检测模型测试”代码框，如图3所示。 “是否绘图”请选择“是”，可以通过绘图查看模型的测试验证效果。 图3 异常检测模型测试 单击“异常检测模型测试”代码框左侧的图标。等待模型测试完成。 模型测试打印结果示例，如图4所示。截图仅为模型测试打印结果的一部分，具体以实际打印结果为准。

查看更多 →

模型训练 硬盘故障检测模板会预置模型训练工程，无需关注，下面会提供端到端的操作流程，帮助用户快速熟悉模型训练界面操作。 单击菜单栏中的“模型训练”，进入模型训练首页。 可以看到预置的“hardisk_detect”模型训练工程，这是硬盘故障检测模板预置的模型训练工程，本次不使用。

查看更多 →

模型管理 模型管理简介 创建模型 模型推理

查看更多 →

测试模型 用测试数据测试模型的泛化能力。训练数据可以是带标签或者不带标签的数据，测试数据一定是带标签的数据，方便评估模型执行效果。 单击“训练模型”左下方的“测试模型”，新增“测试模型”内容。 参数配置均保持默认值。 单击“测试模型”代码框左侧的图标，进行模型评估。 模型测试效果会通过表格的形式在下方展示。

查看更多 →

训练模型 特征和算法确定后，可以开始训练模型。 训练模型 单击“模型选择”左下方的“训练模型”。 新增“训练模型”内容，如图1所示。 图1 训练模型 单击“训练模型”代码框左侧的图标，进行模型训练。 模型训练完成后，界面下方展示模型的评估效果。 第一列内容的含义如下所示： 0：标注为0的所有样本。可以理解为标签。

查看更多 →

模型管理 单击菜单栏中的“模型管理”，可在“模型管理”界面查看打包好的模型，如图1所示。 图1 模型管理 父主题： 使用模型训练服务快速训练算法模型

查看更多 →

使用模型 用训练好的模型预测测试集中的某个图片属于什么类别，先显示这个图片，命令如下。 1 2 3 # display a test image plt.figure() plt.imshow(test_images[9]) 图1 显示用以测试的图片 查看预测结果，命令如下。 1

查看更多 →

发布模型 逻辑实体创建完成后，必须创建对应的物理实体，才可以发布逻辑模型。 操作步骤 在数据服务左侧导航，选择“工具箱>数据开发>数据建模”。 在左侧导航中，单击展开分层，选择一个分层。 在需要发布的逻辑实体对应的“操作”列下，单击>。 在“提示”对话框中单击“确认”。 在“确认”对话框中单击“确定”。

查看更多 →