Boolean true或者false true weight 否 边上权重 String 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。 - seeds 否 节点ID String

查看更多 →

当前，平台支持的推理参数包括：温度、核采样以及话题重复度控制，如下提供了这些推理参数的建议值和说明，供您参考： 表1 推理参数的建议和说明 推理参数 范围 建议值 说明 温度（temperature） 0~1 0.3 温度主要用于控制模型输出的随机性和创造性。温度越高，输出的随机性和创造性越高；温度越

查看更多 →

分类建议每类音频至少20条，每类音频总时长至少5分钟。 建议训练数据和真实识别场景的声音保持一致并且每类的音频尽量覆盖真实环境的所有场景。 训练集的数据质量对于模型的精度有很大影响，建议训练集音频的采样率和采样精度保持一致。 标注质量对于最终的模型精度有极大的影响，标注过程中尽量不要出现误标情况。

查看更多 →

分类建议每类音频至少20条，每类音频总时长至少5分钟。 建议训练数据和真实识别场景的声音保持一致并且每类的音频尽量覆盖真实环境的所有场景。 训练集的数据质量对于模型的精度有很大影响，建议训练集音频的采样率和采样精度保持一致。 标注质量对于最终的模型精度有极大的影响，标注过程中尽量不要出现误标情况。

查看更多 →

分类建议每类音频至少50条，每类音频总时长至少5分钟。 建议训练数据和真实识别场景的声音保持一致并且每类的音频尽量覆盖真实环境的所有场景。 训练集的数据质量对于模型的精度有很大影响，建议训练集音频的采样率和采样精度保持一致。 标注质量对于最终的模型精度有极大的影响，标注过程中尽量不要出现误标情况。

查看更多 →

令牌（Token）是指模型处理和生成文本的基本单位。Token可以是词或者字符的片段。模型的输入和输出的文本都会被转换成Token，然后根据模型的概率分布进行采样或者计算。 例如，在英文中，有些组合单词会根据语义拆分，如overweight会被设计为2个Token：“over”和“weight”

查看更多 →

Boolean true或者false true weight 否 边上权重 String 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。 - seeds 否 节点ID String

查看更多 →

Boolean true或者false true weight 否 边上权重 String 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。 - seeds 否 节点ID String

查看更多 →

模型评估 训练时的评估指标是用训练的数据集中随机采样的记录计算的，完成训练后企业A也可以使用其他的数据集对同一个模型进行多次的评估。单击“发起评估”选择训练参与方不同的数据集即可发起模型评估。 至此使用可信联邦学习进行联邦建模的过程已经完成，企业A已经训练出了一个符合自己要求的算

查看更多 →

个I/O请求依次按顺序（串行）提交时，需要1秒才可以全部完成，则在1秒的采样周期中，磁盘的I/O使用率达到了100%；而如果10个I/O请求一次性全部（并行）提交时，需要0.1秒就可以全部完成，则在1秒的采样周期中，磁盘的I/O使用率仅达到10%。由此可见，即使磁盘的I/O使用率

查看更多 →

默认值，有可能该表没有进行ANALYZE，需要对该表执行ANALYZE。 提升统计信息质量 ANALYZE是按照随机采样算法从表上采样，根据样本计算表数据特征。采样数可以通过配置参数default_statistics_target进行控制，default_statistics_

查看更多 →

题将愈加显著。 当然，如果您的可用数据很少，也可以采取一些方法来扩充您的数据，从而满足微调要求，比如： 数据增强：在传统机器学习中，可以通过简单的重复上采样方式来扩充数据，但该方法不适用于大模型微调的场景，这将导致模型的过拟合。因此可以通过一些规则来扩充数据，比如：同义词替换、语

查看更多 →

参数中的 “训练轮次”或“学习率”等参数的设置，适当降低这些参数的值，降低过拟合的风险。 推理参数设置：请检查推理参数中的“温度”或“核采样”等参数的设置，适当减小其中一个参数的值，可以提升模型回答的确定性，避免生成异常内容。 父主题： 典型训练问题和优化策略

查看更多 →

计费说明 计费公式 自定义指标上报量 自定义指标上报量即采样点数量，采样点数量计算方式遵循开源Prometheus的数据模型。一条采样点数据包含指标名称、Label集合、采样时间时间戳及取值这几个部分，采样点以时间线的方式在逻辑上组织起来。例如，kube_node_status_al

查看更多 →

表2 Profiler性能剖析配置说明 参数 说明 Profiler启停 打开后将低开销的应用进行持续诊断，解决Java程序中因为CPU、内存和时延导致的瓶颈问题。 开关默认为关闭，开关置灰。总开关关闭时，所有子开关都处于关闭状态。 CPU 开启后将采集应用运行过程中CPU火焰图信息。

查看更多 →

“0.2”。如果用户在数据集界面同时上传了训练集和测试集，可以选择“从数据集读入”，并相应选择“测试数据集”和“测试数据集实例”即可。 单击“加载数据”左侧的图标，加载训练集和测试集。 运行完成后，可以在下方看到展示的“训练数据”和“测试数据”内容。 单击界面左下方的“预测场景需求”，界面新增“预测场景需求”内容。

查看更多 →

计费项 计费说明 自定义指标上报量 自定义指标上报量即采样点数量，采样点数量计算方式遵循开源Prometheus的数据模型。一条采样点数据包含指标名称、Label集合、采样时间时间戳及取值这几个部分，采样点以时间线的方式在逻辑上组织起来。例如，kube_node_status_al

查看更多 →

如果不再产生告警，则此告警问题解决。 如果继续产生告警，则请执行步骤4. 请收集告警信息、日志信息和配置信息，联系技术工程师进行处理。 原因74300：单板上数据面CPU使用率超过告警阈值，数据面CPU使用率包含基础转发业务和其他数据面业务CPU使用率。 参考display cpu-usage中服务的使用率确认具体业务，根据业务需要扩容。

查看更多 →

定义慢请求阈值,超过该阈值的方法会定义为慢方法，默认提高调用链采样率。 方法配置 obj_array JAVA - 2.0.0 - 单独配置每个方法的慢请求阈值和采样率;采样方式包含2.百分比采样；3.每分钟固定数量采样；4.自动采样三种采样方式。 表2 Functiongraph监控指标说明

查看更多 →

问题 因为 云监控服务 与 弹性云服务器 系统内指标检测软件的采样周期不同。 云监控服务对弹性 云服务器 、云硬盘的采样周期是4分钟（云 服务器 类型为KVM的是5分钟），而系统内工具的采样周期一般为1秒，远远小于云监控服务的采样周期。 采样周期越大，短期内的数据失真越大。所以云监控服务更适合用

查看更多 →

off：否。 插件生成的报告依赖于样本，关闭了采样那么就无法生成最新的报告，但是可以查看历史采样的报告。 表格中参数默认值为最新RDS版本的默认值，其他版本可能会有不同。 报告示例 报告由三部分组成，包含标题、目录和报表。 标题 报告标题包含以下内容：报告起止样本ID、pg_profile_

查看更多 →