不用进行强化学习，也可以准确判断和学习到使用者的偏好，最后，DPO算法还可以与其他优化算法相结合，进一步提高深度学习模型的性能。 RM奖励模型(Reward Model)：是强化学习过程中一个关键的组成部分。它的主要任务是根据给定的输入和反馈来预测奖励值，从而指导学习算法的方向，帮助强化学习算法更有效地优化策略

查看更多 →

用户授权。 注意事项 归档存储或深度归档存储的对象正在恢复的过程中，不支持修改恢复方式，不允许暂停或删除恢复任务。 数据恢复后，会产生一个标准存储类别的对象副本，即对象同时存在标准存储类别的对象副本和归档存储或深度归档存储类别的对象。归档存储或深度归档存储对象恢复完成时，对象的恢

查看更多 →

恢复归档或深度归档存储对象 功能介绍 如果要获取归档存储或深度归档对象的内容，需要先将对象恢复，然后再执行下载数据的操作。对象恢复后，会产生一个标准存储类型的对象副本，也就是说会同时存在标准存储类型的对象副本和归档或深度归档存储类型的对象，在恢复对象的保存时间到期后标准存储类型的对象副本会自动删除。

查看更多 →

型完成简单的图像分类。 父主题： 基于CodeArts IDE Online、TensorFlow和Jupyter Notebook开发深度学习模型

查看更多 →

教程：设置只读逻辑集群并绑定用户 场景介绍 如果在不同时段内业务流量差异非常大，3节点集群又无法满足高峰期的吞吐量要求，但扩容至6节点又存在资源浪费或费用较高问题。用户可通过本章教程再结合定时增删DWS 3.0逻辑集群功能，实现类似于“晚上低峰期3节点，白天6节点，高峰期9节点”的弹性扩展功能。

查看更多 →

功能总览 全部 自动学习 Workflow 开发工具 算法管理 训练管理 AI应用管理 部署上线 镜像管理 资源池 AI Gallery ModelArts SDK 昇腾生态 自动学习 自动学习是帮助人们实现AI应用的低门槛、高灵活、零代码的定制化模型开发工具。自动学习功能根据标注数据

查看更多 →

数据统计分析能力。 场景优势 能够精确匹配电商运营规则。 最近邻算法与深度学习的结合，挖掘用户高维稀疏特征，匹配最佳推荐结果。 融合多种召回策略，网状匹配兴趣标签。 改善用户体验，同时降低人工成本。 画像与深度模型结合，助力营收收益增长。 图1 RES电商推荐 RES+媒资应用场景

查看更多 →

超过最大递归深度导致训练作业失败 问题现象 ModelArts训练作业报错： RuntimeError: maximum recursion depth exceeded in __instancecheck__ 原因分析 递归深度超过了Python默认的递归深度，导致训练失败。

查看更多 →

5分钟即可恢复归档存储类型的文件。快速取回模式不支持恢复深度归档存储类型的文件。 标准取回：使用标准取回模式，对于归档存储类型的文件一般可以在3 - 5小时内完成恢复，对于深度归档类型的文件一般可以在12小时内完成恢复。 批量取回：对于归档存储类型的文件一般在5 - 12小时内完成恢复，对于深度归档存储类型的文件一般在48小时内完成恢复。

查看更多 →

ague_id}/fl-jobs/{job_id} 保存横向联邦学习作业 响应示例 无 状态码 状态码 描述 200 保存横向联邦学习作业成功 401 操作无权限 500 内部 服务器 错误 父主题： 可信联邦学习作业管理

查看更多 →

什么是OptVerse 天筹求解器服务(OptVerse)是一种基于华为云基础架构和平台的智能决策服务，以自研AI求解器为核心引擎，结合机器学习与深度学习技术，为企业提供生产计划与排程、切割优化、路径优化、库存优化等一系列有竞争力的行业解决方案。 使用要求 OptVerse以开放API（Application

查看更多 →

联邦学习作业管理 查询联邦学习作业列表 父主题： 空间API

查看更多 →

StreamingML 异常检测 时间序列预测 实时聚类 深度学习模型预测 父主题： Flink SQL语法参考（不再演进，推荐使用Flink OpenSource SQL）

查看更多 →

产品优势 基因容器基于Kubernetes智能化基因计算任务调度和Spark等加速服务，为您提供低成本高性能的基因测序解决方案。支持对接深度学习框架，方便您深度解读报告。 秒级并发 基因容器利用容器技术的秒级并发能力，可将WGS从30小时缩短至5小时以内，对比同类竞品，使用相同样本的情况下，资源利用率大幅提升。

查看更多 →

Optimization)：直接偏好优化方法，通过直接优化语言模型来实现对大模型输出的精确把控，不用进行强化学习，也可以准确判断和学习到使用者的偏好，最后，DPO算法还可以与其他优化算法相结合，进一步提高深度学习模型的性能。 SFT监督式微调(Self-training Fine-tuning)：是一种利用有标签数据进行模型训练的方法。

查看更多 →

教程：新物理集群划分为逻辑集群 场景介绍 本章节演示一套全新6节点物理集群（无业务数据）划分为2套逻辑集群的操作。如果物理集群已有业务数据，请参见教程：已有数据的物理集群转换逻辑集群操作。 前提条件 参见创建 GaussDB (DWS)存算一体2.0集群章节创建6个节点的集群。 划分逻辑集群

查看更多 →

基本概念 AI引擎 可支持用户进行机器学习、深度学习、模型训练作业开发的框架，如Tensorflow、Spark MLlib、MXNet、PyTorch、华为自研AI框架MindSpore等。 数据集 某业务下具有相同数据格式的数据逻辑集合。 特征操作 特征操作主要是对数据集进行特征处理。

查看更多 →

训练脚本说明 yaml配置文件参数配置说明 各个模型深度学习训练加速框架的选择 模型NPU卡数取值表 各个模型训练前文件替换 父主题： 主流开源大模型基于DevServer适配LlamaFactory PyTorch NPU训练指导（6.3.907）

查看更多 →

各云服务商配置同步请求教程 阿里云OSS配置同步请求 腾讯云COS配置同步请求

查看更多 →

教程：使用GDS从远端服务器导入数据 教程指引 先决条件 步骤1：准备源数据 步骤2：在数据服务器上安装配置和启动GDS 步骤3：在 GaussDB数据库 中创建外表 步骤4：将数据导入GaussDB 步骤5：分析和处理错误表中的错误信息 步骤6：优化导入数据的查询性能 步骤7：停止GDS

查看更多 →

教程：已有数据的物理集群转换逻辑集群 场景介绍 大规模数据库集群通常会同时包含很多业务数据，不同业务有不同的数据表，可以通过资源管理功能创建多个资源池来实现不同业务的资源隔离。GaussDB(DWS)支持将不同业务用户分配给不同资源池，以便减少业务之间资源（CPU资源、内存资源、IO资源和存储资源）竞争。

查看更多 →