图3 常规训练 常规训练：基于数据集和用户算法训练新模型。 图4 增量训练 增量训练：基于用户导入的模型或已完成训练模型版本（可通过${MODEL}获取该模型版本的文件路径）和新数据集使用选择的算法再次进行训练，生成精度更高的新模型。同常规训练不同的是需要额外选择输入模型和版本。 选择数据集。

查看更多 →

String “代理id1.数据集名1.租户别名1,代理id2.数据集名2.租户别名2”格式的字符串 features 否 Array of DatasetFeatureEntity objects 所选数据集特征 label_dataset 否 String 标签数据集，最大长度100 label

查看更多 →

行推理，可以忽略此章节。和本文档配套的推理文档请参考《开源大模型基于DevServer的推理通用指导》。 微调训练和预训练的区别 微调训练是在预训练权重的基础上使用指令数据集进行的，对模型权重进行学习调整。从而针对特定任务达到预期效果。 微调训练与预训练任务的区别主要包括： 使用

查看更多 →

1：置信度偏低。 2：基于训练数据集的聚类结果和预测结果不一致。 3：预测结果和训练集同类别数据差异较大。 4：连续多张相似图片的预测结果不一致。 5：图像的分辨率与训练数据集的特征分布存在较大偏移。 6：图像的高宽比与训练数据集的特征分布存在较大偏移。 7：图像的亮度与训练数据集的特征分布存在较大偏移。

查看更多 →

系统还支持打包训练模型，用于创建训练服务、模型验证，或者发布到应用市场。模型训练包包括编排配置文件、模型文件等。详细的模型管理操作请参见模型管理。 模型训练页面说明 “模型训练”页面列出了已有的训练工程、训练服务和超参优化服务的列表信息，如图1所示。在该页面，用户可以查看训练工程和训练服务的创建信息，新建、

查看更多 →

查看预测结果 本案例中数据和算法生成的模型仅适用于教学模式，并不能应对复杂的预测场景。即生成的模型对预测图片有一定范围和要求，预测图片必须和训练数据集中的图片相似才可能预测准确。 ModelArts的AI Gallery中提供了常见的精度较高的算法和相应的训练数据集，用户可以在AI Gallery的资产集市中获取。

查看更多 →

签所对应样本的正确标签和预测标签，您可以对比正确标签和预测标签，判断当前模型预测该样本是否预测正确。 例如搜索框内输入标签“1”，下方会显示正确标签为“1”的样本中，预测正确的样本数在验证集中的占比。右侧显示正确标签为“1”的样本信息，包括样本的正确标签和预测标签。 图10 详细评估

查看更多 →

IAM上创建一个委托，用于授权FunctionGraph访问ModelArts在线服务和OBS桶。 方案优势 快速构建机器学习模型 AI开发平台 ModelArts可以快速创建和训练机器学习模型，无需任何编码。使模型开发和训练过程更加便捷和高效。 开源和定制化 该解决方案是开源的，用户可以免费用于商业用途，并且还可以在源码基础上进行定制化开发。

查看更多 →

空间成员完成计算节点部署，配置参数时选择挂载方式和计算节点，参考部署计算节点。 空间成员完成数据集准备工作，参考准备本地横向联邦数据资源。 空间成员在计算节点中完成数据发布，参考发布数据。 约束限制 仅IEF计算节点支持创建横向评估型作业。 创建可信联邦学习评估型作业 用户登录进入计算节点页面。

查看更多 →

无监督学习：使用标注工具对原始数据进行标注，对模型进行算法验证和评估。用户基于训练结果进行确认和重新标注，对模型进行算法验证和评估。 数据标注是为数据工程师、数据科学家等提供的辅助标注工具。 安全管理与审计 安全管理设置好后，主要通过对接数据目录来实现数据权限的功能，如图1所示。 图1 数据目录与安全管理对接 安全审计用于用户数据操作是否合法合理合规。

查看更多 →

/bucketName/data-cat/cat.jpg”。 如您将已标注好的图片上传至OBS桶，请按照如下规范上传。 图像分类数据集要求将标注对象和标注文件存储在同一目录，并且一一对应，例如标注对象文件名为“10.jpg”，那么标注文件的文件名应为“10.txt”。 数据文件存储示例：

查看更多 →

单击数据预览界面右上方的关闭图标“”，返回数据操作界面。 单击左侧导航中的数据集节点“Harddisk”，回到Harddisk数据集页面。 请参考1~7，单击界面右上角的“本地上传”，分别创建故障硬盘训练、无故障硬盘测试和故障硬盘测试数据集并完成数据分析。 创建完成后，界面可以看到四份数据，如硬盘故障检测所示。

查看更多 →

查看预测结果 本案例中数据和算法生成的模型仅适用于教学模式，并不能应对复杂的预测场景。即生成的模型对预测图片有一定范围和要求，预测图片必须和训练数据集中的图片相似才可能预测准确。 ModelArts的AI Gallery中提供了常见的精度较高的算法和相应的训练数据集，用户可以在AI Gallery的资产集市中获取。

查看更多 →

数据集 角色访问权限 数据集界面介绍 数据集公共功能介绍 管理数据集 消费数据集 管理数据资产 父主题： 用户指南

查看更多 →

当数据通过本地上传，且“数据类别”参数设置为“多文件与目录（文件大小限制为10G）”，则需要同时设置“数据文件列表”和“数据文件编码格式”，将本地上传的多目录和文件同时添加进来，系统会自动进行数据集合并。 注意：各文件的列名需要完全相同。 数据文件格式 数据文件的格式，请根据实际情况选择。 数据文件编码格式

查看更多 →

数据集成 数据集成概述、工具介绍及入湖范围 数据集成前探查 全量数据同步 增量数据同步 父主题： 实施步骤

查看更多 →

可以删除数据集。 创建高码定制数据集。 在“数据集”页面，单击“创建高码定制数据集”。 输入数据集名称，勾选需展示数据的事件模板。 高码定制数据集：支持选择多个事件模板。 单击“确定”，数据集创建完成。 您可以单击数据集名称再次编辑，单击“操作”列“删除”可以删除数据集。 单击“

查看更多 →

作业日志选择OBS中的路径，训练作业的日志信息则保存该路径下。 最后，提交训练作业，训练完成后，请参考查看日志和性能章节查看SFT微调的日志和性能。了解更多ModelArts训练功能，可查看模型训练。 父主题： 主流开源大模型基于Standard+OBS适配PyTorch NPU训练指导（6.3

查看更多 →

作业日志选择OBS中的路径，训练作业的日志信息则保存该路径下。 最后，提交训练作业，训练完成后，请参考查看日志和性能章节查看SFT微调的日志和性能。了解更多ModelArts训练功能，可查看模型训练。 父主题： 主流开源大模型基于Standard+OBS适配PyTorch NPU训练指导（6.3

查看更多 →

准备AscendSpeed训练代码、分词器Tokenizer和推理代码。 准备数据 准备训练数据，可以用本案使用的数据集，也可以使用自己准备的数据集。 准备镜像 准备训练模型适用的容器镜像。 微调训练 指令监督微调训练 介绍如何进行SFT全参微调/lora微调、训练任务、性能查看。 父主题：

查看更多 →

F1值是模型精确率和召回率的加权调和平均，用于评价模型的好坏，当F1较高时说明模型效果较好。 同一个自动学习项目可以训练多次，每次训练会注册一个新的AI应用版本。如第一次训练版本号为“0.0.1”，下一个版本为“0.0.2”。基于训练版本可以对训练模型进行管理。当训练的模型达到目标后，再执行模型部署的操作。

查看更多 →