训练评测 工具介绍及准备工作 训练性能测试 训练精度测试 父主题： 主流开源大模型基于Lite Server适配ModelLink PyTorch NPU训练指导（6.5.901）

查看更多 →

评测任务 创建任务 评测结果 父主题： 模型评测

查看更多 →

模型评测 创建评测脚本 创建评测任务 父主题： 训练服务

查看更多 →

取消运行评测任务 当任务状态为“运行中”时，在模型评测任务列表中，单击操作列的“取消”，取消任务运行。 查看评测任务详情 在模型评测任务列表中，单击任务名称，进入模型评测详情页面，详情页面根据任务所包含的模型，分页签展示各评测维度的评测执行情况，包括评测数据集、评测执行量/评测

查看更多 →

模型评测 评测脚本 评测任务 评测对比 模型数据集支持 父主题： 训练服务

查看更多 →

参考创建评测任务。 单击“添加”，在评测对比任务页面显示新创建的对比任务信息。 也可以通过在评测任务列表勾选2-4个任务（要求类别相同，且均为已完成状态）单击“对比”按钮的形式进行新建评测对比任务。 评测对比相关操作 在“评测对比”列表，可对任务进行以下操作。 表1 评测对比相关操作

查看更多 →

创建评测脚本 添加评测脚本流程为“初始化评测脚本 > 选择评测脚本文件 > 上传评测脚本文件”。具体操作步骤如下： 在左侧菜单栏中选择“训练服务 > 模型评测”。 选择“评测脚本”页签，单击“新建评测脚本”，填写脚本名称和描述信息。 单击“初始化”，完成脚本的初始化过程。 上传文件 将

查看更多 →

评测结果 评测任务完成后，可单击评测任务名称查看模型评测各项得分。任务详情页面展示了评测任务详情信息以及评测模型结果信息两部分内容。 任务详情 任务详情页面，详细展示了任务名称、类别、资源规格等基本信息。 任务视图 可查看在当前视图下的评测结果、任务日志和资源占用情况。 坏例判别

查看更多 →

评测管理 内置评测配置 自定义评测镜像 内置评测指标说明 评测分数计算介绍 实时评测和延时评测介绍 父主题： 仿真服务

查看更多 →

了仿真器在整个仿真过程中的数据，用户可以利用该仿真pb进行数据分析。 评测pb下载：任务运行成功后，用户可以下载评测pb文件。评测pb文件用于存储评测输出的结果，支持用户自定义评测指标输出为Octopus的评测pb格式，从而在前端进行展示。 算法pb下载：任务运行成功后，用户可以

查看更多 →

评测NLP大模型 创建NLP大模型评测数据集 创建NLP大模型评测任务 查看NLP大模型评测报告 管理NLP大模型评测任务 父主题： 开发盘古NLP大模型

查看更多 →

创建评测脚本 添加评测脚本流程为“初始化评测脚本 > 选择评测脚本文件 > 上传评测脚本文件”。具体操作步骤如下： 在左侧菜单栏中选择“训练服务 > 模型评测”。 选择“评测脚本”页签，单击“新建评测脚本”，填写脚本名称和描述信息。 单击“初始化”，完成脚本的初始化过程。 上传文件

查看更多 →

处理每帧数据，不断更新评测结果。 仿真结束时，将最后一帧的评测结果作为最终的评测结果，通过EVA_PATH环境变量获取评测pb路径，经评测结果写入到评测pb文件中。 延时评测 图2 延时评测 如上图所示，延时评测以仿真pb文件作为输入，进行评测逻辑处理后，将评测结果写成评测pb。 其中仿真pb是通过八爪鱼提供的sim_osi

查看更多 →

创建评测任务 评测任务与评测参数和数据集有关。具体步骤如下： 在左侧菜单栏中选择“训练服务 > 模型评测”。 选择“评测任务”页签，单击“新建评测任务”，填写如下信息。 表1 新建评测任务 参数 描述 名称 任务组名称，包含中英文、数字、“_”“-”，不得超过32个字符。 描述

查看更多 →

合规性评测指标 压实线（Onto Solid line）检测 压实线检测的目的是判断主车行驶过程中是否压到实线。 当主车与距离最近的车道线的小于主车宽度的一半时，并且该车道线的类型为OSI定义的osi3.LaneBoundary.classification.type.TYPES

查看更多 →

benchmark_parallel.py # 评测静态性能脚本 ├── benchmark_serving.py # 评测动态性能脚本 ├── benchmark_utils.py # 抽离的工具集 ├── generate_datasets

查看更多 →

benchmark_parallel.py # 评测静态性能脚本 ├── benchmark_serving.py # 评测动态性能脚本 ├── benchmark_utils.py # 抽离的工具集 ├── generate_datasets

查看更多 →

benchmark_parallel.py # 评测静态性能脚本 ├── benchmark_serving.py # 评测动态性能脚本 ├── benchmark_utils.py # 抽离的工具集 ├── generate_datasets

查看更多 →

# W4A16量化工具 ├──convert_awq_to_npu.py # awq权重转换脚本 ├──llm_evaluation # 推理评测代码包 ├──benchmark_tools #性能评测 ├──

查看更多 →

benchmark_parallel.py # 评测静态性能脚本 ├── benchmark_serving.py # 评测动态性能脚本 ├── benchmark_utils.py # 抽离的工具集 ├── generate_datasets

查看更多 →

跨 服务器 迁移（rclone工具） 方案概述 用户可以将本地NAS存储中的数据，使用rclone工具通过公网或内网迁移至云上SFS Turbo中，进行云上业务拓展。 此方案通过在云上和本地分别创建一台Linux操作系统的服务器，将本地NAS存储中的数据迁移至云上。两台服务器端口号2

查看更多 →