Platform For AI:Pelatihan model

Lihat semua modul PAI di panel navigasi sebelah kiri halaman detail ruang kerja. Gunakan modul-modul tersebut sepanjang siklus hidup pengembangan AI sesuai dengan skenario bisnis Anda. Bagian berikut memperlihatkan kasus penggunaan umum beserta perkenalan modul.

• Skenario pengembangan cloud-native

  Bagian	Deskripsi	Referensi
  ①	Dataset berkualitas tinggi sangat penting untuk model berpresisi tinggi. Persiapan data menciptakan dataset tersebut. Gunakan modul manajemen dataset untuk mendaftarkan dataset publik, membuat dataset dari file yang diunggah dari mesin on-premises atau disimpan di layanan penyimpanan Alibaba Cloud, atau membuat dataset indeks dengan memindai folder Object Storage Service (OSS). Hal ini memungkinkan manajemen data terpusat di PAI dan menyiapkan data untuk pelabelan dan pelatihan model.	Buat dan kelola dataset
  ②	Data Science Workshop (DSW) adalah lingkungan pengembangan terpadu (IDE) pembelajaran mesin interaktif yang dirancang untuk pengembangan AI berbasis cloud. Aktifkan Notebook untuk memperoleh data, mengembangkan algoritma, serta melatih dan menerapkan model kapan saja dan di mana saja.	Ikhtisar DSW
  ③	Modul manajemen gambar menyediakan gambar publik yang disediakan oleh PAI dan memungkinkan Anda menambahkan gambar kustom. Hal ini memungkinkan manajemen gambar aplikasi terpusat di Konsol PAI.	Gambar kustom
  ④	Deep Learning Containers (DLC) menyediakan lingkungan pelatihan yang fleksibel, stabil, mudah digunakan, dan berkinerja tinggi untuk pembelajaran mesin. DLC mendukung berbagai framework algoritma, memungkinkan tugas pembelajaran mendalam terdistribusi berskala sangat besar, serta memungkinkan penggunaan framework algoritma kustom.	Ikhtisar DLC
  ⑤	PAI mendukung dataset yang disimpan di Apsara File Storage NAS (NAS), OSS, dan repositori Git. Tentukan dataset dan repositori kode yang diperlukan saat mengirimkan Pekerjaan.	Sebelum memulai
  ⑥	Modul manajemen model memungkinkan manajemen terpusat atas model yang telah dilatih. Modul ini terintegrasi dengan Elastic Algorithm Service (EAS) untuk menerapkan model yang telah dilatih sebagai layanan online.	Daftarkan dan kelola model
  ⑦	EAS memuat dan menerapkan model sebagai layanan online berdasarkan sumber daya CPU atau GPU. EAS memiliki throughput tinggi dan latensi rendah, memungkinkan penerapan model kompleks hanya dengan beberapa klik, serta mendukung auto scaling secara real-time. Catatan EAS tidak mendukung gambar DSW atau dataset CPFS.	Ikhtisar EAS

• Praktik terbaik untuk AI dan data besar

  Bagian	Deskripsi	Referensi
  ①	Simpan data sumber untuk pelatihan model di MaxCompute sebagai tabel MaxCompute, lakukan pra-pemrosesan di DataWorks, dan rujuk di PAI.	Buat Tabel Impor data Proses pengembangan data
  ②	Machine Learning Designer mendukung pelatihan model terdistribusi berskala besar untuk pembelajaran mesin tradisional, pembelajaran mendalam, pembelajaran penguatan, serta pemrosesan aliran/batch. Modul ini menyediakan ratusan algoritma pembelajaran mesin, mendukung penyetelan parameter otomatis, dan memungkinkan pembuatan model dengan menyeret dan melepas komponen. Gunakan Machine Learning Designer untuk merasakan komputasi berbantuan AI dengan modifikasi kode minimal.	Ikhtisar
  ③	DataWorks menjadwalkan task berdasarkan parameter penjadwalan dan properti waktu yang dikonfigurasi.	Format yang didukung untuk parameter penjadwalan Konfigurasikan parameter di bagian Schedule.
  ④	Modul manajemen task menyimpan data eksperimen yang dihasilkan oleh Machine Learning Designer dan catatan task kustom di layanan manajemen task PAI. Hal ini membantu membandingkan eksperimen lintas task yang berbeda.	Manajemen Pekerjaan
  ⑤	Modul manajemen model memungkinkan manajemen terpusat atas model yang telah dilatih. Modul ini terintegrasi dengan Elastic Algorithm Service (EAS) untuk menerapkan model yang telah dilatih sebagai layanan online.	Daftarkan dan kelola model
  ⑥	EAS memuat dan menerapkan model sebagai layanan online berdasarkan sumber daya CPU atau GPU. EAS memiliki throughput tinggi dan latensi rendah, memungkinkan penerapan model kompleks hanya dengan beberapa klik, serta mendukung auto scaling secara real-time. Catatan EAS tidak mendukung gambar DSW atau dataset CPFS.	Ikhtisar EAS