Todos os produtos
Search
Central de documentação

Platform For AI:Registrar e gerenciar modelos

Última atualização: Aug 28, 2026

O Model Management permite registrar modelos treinados no PAI, gerenciá-los por versões e implantá-los no Elastic Algorithm Service (EAS) para inferência.

Pré-requisitos

Conclua o treinamento do modelo e carregue os arquivos correspondentes no OSS. Treine e exporte modelos no Designer ou no DSW. Para carregar os arquivos do modelo no OSS, consulte Upload objects.

Registrar um modelo

Registre um novo modelo ou adicione uma versão a um modelo existente:

  1. Acesse a página Model Management.

    1. Faça login no PAI console.

    2. No painel de navegação à esquerda, clique em Workspaces e selecione o nome do workspace desejado para acessá-lo.

    3. No painel de navegação à esquerda, escolha AI Computing Asset Management > Models.

  2. Na página Models, clique em Register Model.

  3. No painel Register Model, configure os parâmetros e clique em OK.

    Há duas opções disponíveis:

    • Create Model: registra um modelo treinado como uma nova entrada.

    • Create Version: adiciona uma nova versão a um modelo já registrado.

    Principais parâmetros:

    Parâmetro

    Descrição

    Model Name

    Obrigatório apenas quando Create Model estiver selecionado.

    Select Model

    Obrigatório apenas quando Create Version estiver selecionado.

    Selecione um modelo já registrado.

    Version Number

    Número da versão do modelo em registro. Editável somente quando Create Version estiver selecionado.

    Model Address

    Especifique o local do modelo de uma das seguintes formas:

    • Insira o caminho do OSS onde os arquivos do modelo estão armazenados.

    • Clique em image para navegar e selecionar o caminho do OSS.

      Na caixa de diálogo Select OSS folder or file, selecione um arquivo de modelo existente ou carregue um arquivo local:

      1. (Opcional) Para carregar arquivos de modelo em um novo diretório, clique em Create Directory a fim de criar um diretório no bucket do OSS atual. Clique duas vezes no novo diretório para acessá-lo.

      2. Clique em Upload File.

      3. Clique em Browse Local Files ou Drag and Drop File to Upload e siga as instruções para carregar o arquivo de modelo local.

    Model Service Deployment

    Há duas opções disponíveis:

    • Automatic Configurations: após definir o Model Format, o sistema gera a configuração de implantação automaticamente.

    • Custom Configuration: insira a configuração de implantação diretamente no campo de texto. Consulte os exemplos abaixo e veja JSON deployment para obter descrições dos parâmetros.

      • Para modelos implantados com imagem personalizada:

        Exemplo de implantação com imagem personalizada

        {
            "metadata": {
                "name": "",
                "instance": 1,
                "workspace_id": "210382",
                "disk": "30Gi",
                "rpc": {
                    "keepalive": 60000
                },
                "accessibility": "public"
            },
            "cloud": {
                "computing": {
                    "instances": [
                        {
                            "type": "ecs.gn6e-c12g1.12xlarge"
                        }
                    ]
                }
            },
            "containers": [
                {
                    "image": "eas-registry-vpc.cn-hangzhou.cr.aliyuncs.com/pai-eas/python-inference:py3.9-ubuntu2004",
                    "script": "python app.py",
                    "port": 8000
                }
            ],
            "options": {},
            "storage": [
                {
                    "oss": {
                        "path": "oss://*******/MODEL/",
                        "readOnly": false,
                        "role_arn": ""
                    },
                    "mount_path": "/mnt/data/"
                }
            ]
        }
      • Para modelos que usam um built-in Processor:

        Exemplo de implantação com Processor integrado

        {
            "metadata": {
                "name": "",
                "instance": 1,
                "workspace_id": "210382",
                "disk": "30Gi",
                "rpc": {
                    "keepalive": 60000
                },
                "accessibility": "public"
            },
            "cloud": {
                "computing": {
                    "instances": [
                        {
                            "type": "ecs.gn6i-c16g1.4xlarge"
                        }
                    ]
                }
            },
            "options": {},
            "processor": "tensorflow_gpu_2.4",
            "model_config": {},
            "model_path": "oss://******/MODEL/"
        }

    Advanced Configurations

    Selecione Advanced Configurations para configurar os seguintes parâmetros:

    • Version Approval Status

      Dois status de aprovação estão disponíveis:

      • Pending (padrão)

      • Approved

    • Model Metrics: defina métricas do modelo para comparar o desempenho entre versões. Para mais detalhes, consulte Model metrics.

Gerenciar modelos

A página Model Management lista todos os modelos aos quais você tem permissão de acesso. Nela, visualize detalhes do modelo, exclua modelos ou implante-os no EAS.

  • Clique em View para abrir a página de detalhes do modelo e visualizar informações como o ID do modelo. Clique em Delete para excluir um modelo desnecessário.

  • Clique no ícone de configurações no canto superior direito para personalizar as colunas exibidas na lista de modelos.

Implantar um serviço

Implante um modelo registrado no EAS. A Inference Specification definida durante o registro do modelo é preenchida automaticamente na página de implantação do EAS.

  1. No painel de navegação à esquerda, escolha AI Asset Management > Models. Na página da lista de modelos, clique em Deploy in EAS na coluna Actions. O sistema redireciona você para a página de implantação do EAS.

    Nota: Para modelos do Model Gallery, clique em Deploy para implantar o modelo.
  2. A página de implantação vem pré-preenchida com os principais parâmetros da Inference Specification. Configure os demais parâmetros obrigatórios e implante o modelo. Para mais detalhes, consulte Custom deployment.