O Model Gallery oferece diversos modelos pré-treinados para agilizar a implantação e o treinamento de modelos.
Escolha um modelo adequado às suas necessidades de negócios
O Model Gallery disponibiliza uma ampla gama de modelos para resolver problemas reais de negócios. Use as orientações abaixo para identificar o modelo mais apropriado:
Pesquise por domínio e tarefa: Encontre modelos com base no domínio da aplicação e na tarefa específica a executar.
Analise os conjuntos de dados de pré-treinamento: A maioria dos modelos lista os conjuntos de dados usados no pré-treinamento. Quanto maior a similaridade entre o conjunto de dados de pré-treinamento e o seu caso de uso real, melhor será o desempenho na implantação ou no ajuste direto do modelo. Consulte a página de detalhes do modelo para obter mais informações sobre esses conjuntos.
Considere o tamanho do modelo: Em geral, modelos com mais parâmetros oferecem melhor desempenho. Contudo, eles também geram custos maiores durante a execução e exigem mais dados para ajuste fino.
Siga estas etapas para localizar um modelo adequado:
-
Acesse a página do Model Gallery.
Faça login no PAI console.
No painel de navegação à esquerda, clique em Workspaces e selecione o workspace desejado.
No painel de navegação à esquerda, clique em QuickStart > Model Gallery para abrir a página do Model Gallery.
-
Localize um modelo que atenda às suas necessidades de negócios.
Na seção Getting Started do painel de navegação à esquerda do PAI console, clique em Model Gallery para acessar a página correspondente. Pesquise na caixa de busca, filtre pela origem do modelo (ModelScope, PAI, NIM) ou navegue pelos cartões de modelos disponíveis usando tags de cenário.
Após selecionar um modelo, implante-o diretamente e realize depuração online para validar o desempenho de inferência. Para mais detalhes, consulte Implantar modelos e Ajustar modelos.
Implantar modelos
Para instruções detalhadas tendo o modelo Qwen3-0,6B como exemplo, consulte Início Rápido do Model Gallery – Implantação de modelos.
Ajustar modelos
Para instruções detalhadas tendo o modelo Qwen3-0,6B como exemplo, consulte Início Rápido do Model Gallery – Ajuste de modelos.
Na página de detalhes do job de ajuste fino, configure os seguintes parâmetros.
|
Tipo de parâmetro |
Parâmetro |
Descrição |
|
Training Mode |
Ajuste fino supervisionado SFT |
Métodos de treinamento compatíveis:
Ambos os métodos são compatíveis com ajuste fino de todos os parâmetros, LoRA e QLoRA. |
|
Otimização direta de preferência DPO |
||
|
Job Configuration |
Task name |
O sistema fornece um nome padrão para o job. Altere-o conforme necessário seguindo as instruções da interface. |
|
Maximum running time |
Define o tempo máximo de execução permitido para o job. Se o job exceder essa duração, ele será interrompido automaticamente. Ao manter a configuração padrão, este parâmetro não limita o tempo de execução do job. |
|
|
Dataset Configuration |
Training dataset |
O Model Gallery fornece dados de treinamento padrão. Caso não utilize o conjunto de dados padrão, prepare seus dados no formato especificado na documentação do modelo e faça o upload usando um dos métodos abaixo.
|
|
Validate dataset |
Clique em Add validation dataset para adicionar um conjunto de validação. Configure-o da mesma forma que o Training dataset. |
|
|
Output Configuration |
Selecione um caminho de armazenamento em nuvem para salvar o modelo treinado e os arquivos de log do TensorBoard. Nota
Se você configurou um caminho de armazenamento padrão do OSS para o workspace na página de detalhes do workspace, este campo será preenchido automaticamente, sem necessidade de configuração manual. Para instruções sobre como configurar caminhos de armazenamento do workspace, consulte Gerenciar workspaces. |
|
|
Computing Resources |
Resource Type |
Compatível com computação geral e Lingjun Intelligent Computing. |
|
Source |
|
|
|
Hyperparameters |
Cada modelo é compatível com configurações específicas de hiperparâmetros. Use os valores padrão ou modifique-os conforme necessário. |
|
e selecione o caminho do OSS onde o conjunto de dados está armazenado. Na caixa de diálogo Select OSS folder or file, escolha um arquivo de dados existente ou clique em Upload file.
para selecionar um conjunto existente. Se ainda não possuir um conjunto de dados, crie-o seguindo as instruções em Os parâmetros disponíveis variam conforme o modelo. Configure-os de acordo com o modelo específico escolhido.
Faturamento
O Model Gallery é gratuito, mas a implantação e o treinamento de modelos geram cobranças do Elastic Algorithm Service (EAS) e do Deep Learning Containers (DLC). Para mais detalhes, consulte Faturamento do Elastic Algorithm Service (EAS) e Faturamento do Deep Learning Containers (DLC).