配比预测类数据集

创建预测类数据集配比任务

创建预测类数据集配比任务步骤如下：

1. 登录ModelArts Studio大模型开发平台，在“我的空间”模块，单击进入所需空间。
   图1 我的空间
   
2. 仅分类数据支持配比，在左侧导航栏中选择“数据工程 > 数据加工 > 配比任务”，单击界面右上角“创建配比任务”。
   图2 创建配比任务
   
   图3 创建配比任务
   
3. 在“数据集选择”页签选择需要配比的预测类数据集，单击“下一步”。
4. 在“数据配比”页面，可以设置数据集的配比方式，如按目标列。根据选择的目标列，为分类值设置配比数量。填写好配比数量，单击“下一步”。
5. 数据配比完成后，单击右下角“下一步”，进行资源配置，并选择是否勾选自动生成加工数据集。
   • 资源配置

     单击展开资源配置，可以设置任务资源 。也支持自定义参数配置，单击“添加参数”，输入参数名称和参数值。

     表1 参数配置

     参数名称	参数说明
     numExecutors	Executor的数量，默认值2。Executor是运行在工作节点上的进程，它负责执行具体的task任务，并将计算结果返回给Driver。每个Executor每个核同时能跑一个task任务，所以增加了Executor的个数相当于增大了任务的并发度。在资源充足的情况下，可以相应增加Executor的个数，以提高运行效率。 numExecutors * executorMemory最小值为4，最大值为16。
     executorCores	每个Executor进程使用的CPU内核数量，默认值2。每个Executor多个核同时能跑多个task任务，相当于增大了任务的并发度。但是由于所有核共用Executor的内存，所以要在内存和核数之间做好平衡。 numExecutors * executorMemory最小值为4，最大值为16。executorCores和executorMemory的比例需要在1:2~1:4之间。
     executorMemory	每个Executor进程使用的内存数量，默认值4。Executor的内存主要用于任务执行、通信等。当一个任务很大的时候，可能需要较多资源，因而内存也可以做相应的增加；当一个任务较小运行较快时，就可以增大并发度减少内存。 executorCores和executorMemory的比例需要在1:2~1:4之间。
     driverCores	驱动程序进程使用的CPU内核数量，默认值2。Driver负责任务的调度，和Executor之间的消息通信。 driverCores和driverMemory的比例需要在1:2~1:4之间。
     driverMemory	驱动程序进程使用的内存数量，默认值4。Driver负责任务的调度，和Executor之间的消息通信。当任务数变多，任务平行度增大时，Driver内存都需要相应增大。 driverCores和driverMemory的比例需要在1:2~1:4之间。

     图4 资源配置
     
   • 自动生成加工数据集

     勾选，配置生成加工数据集的信息，如图5；单击右下角“确定”，平台将启动配比任务。配比任务运行成功后自动生成加工数据集。

     不勾选，单击右下角“确定”，平台将启动配比任务。配比任务运行成功后手动生成加工数据集。

     图5 自动生成加工数据集
     
   • 扩展信息（可选）
     可选择行业、语言信息，或自定义数据集属性。

     图6 扩展信息
     
6. 单击“确定”，页面将返回至“数据配比”页面，配比任务运行成功后，状态将显示为“运行成功”。

7. 加工数据集可在配比任务栏-“已生成数据集”中查看，也可在“数据工程 > 数据管理 > 数据集 > 加工数据集”中查看。