中文標題產生 - Platform For AI

Model Gallery預置了中文標題產生模型，您可以直接部署該模型。針對定製化情境，您也可以使用自己的資料集對模型進行微調訓練。本文為您介紹如何在Model Gallery完成中文標題產生任務。

前提條件

已建立OSS Bucket儲存空間，具體操作請參見控制台建立儲存空間。

一、進入模型詳情頁面

進入Model Gallery頁面。
1. 登入PAI控制台。
2. 在左側導覽列單擊工作空間列表，在工作空間列表頁面中單擊待操作的工作空間名稱，進入對應工作空間內。
3. 在左側導覽列單擊快速開始 > Model Gallery，進入Model Gallery頁面。
在Model Gallery首頁，搜尋EasyNLP_pai_mt5_title_generation_zh，單擊對應模型卡片，進入模型詳情頁面。

二、直接部署和調試模型

部署模型服務

在模型詳情頁面，單擊模型部署。
在模型部署詳情頁面，確認部署資訊後，單擊部署。
在計費提醒對話方塊中，單擊確定。
頁面將自動跳轉到服務詳情頁面。您可以在基本資料地區查看服務狀態。當狀態變為運行中時，表明服務部署成功。

線上調試模型

通過控制台進行線上調試

在服務詳情頁面的線上預測文字框中輸入請求資料，請求資料樣本如下。

{
    "data": ["在廣州第一人民醫院，一個上午6名患者做支氣管鏡檢查，5人查出肺癌，且4人是老煙民！專家稱，吸煙和被動吸煙是肺癌的主要元兇。"]
}

單擊發送請求。
您可以在頁面下方查看輸出結果。

通過Python代碼進行線上調試

查看服務的調用資訊。
1. 在服務詳情頁面的資源資訊地區，單擊查看調用資訊。
2. 在調用資訊對話方塊的公網地址調用頁簽中，查看訪問地址和Token，並儲存到本地。

使用以下範例程式碼發送服務要求。

import requests

url = "<PredictionServiceEndpoint>"
token = "<PredictionServiceAccessToken>"
request_body = '{"data": ["在廣州第一人民醫院，一個上午6名患者做支氣管鏡檢查，5人查出肺癌，且4人是老煙民！專家稱，吸煙和被動吸煙是肺癌的主要元兇。"]}'
request_body = request_body.encode('utf-8')
headers = {"Authorization": token}
resp = requests.post(url=url, headers=headers, data=request_body)

print(resp.content.decode())
print("status code:", resp.status_code)

其中：url和token需要分別配置為上述步驟中儲存到本地的訪問地址和Token。

系統返回結果如下圖所示。 image..png

三、微調訓練模型

（可選）準備資料集。
說明
如果您希望使用自己的資料來微調訓練模型，可以按照以下操作步驟來準備訓練資料集。
1. Model Gallery提供了訓練資料集。您可以使用預設資料集，也可以自己準備資料。訓練資料格式為：
```
{"text": "<text>", "summary": "summary"}
{"text": "<text>", "summary": "summary"}
{"text": "<text>", "summary": "summary"}
......
{"text": "<text>", "summary": "summary"}
```
2. 將已準備的資料上傳到OSS儲存空間，具體操作，請參見控制台上傳檔案。
提交訓練作業。
1. 返回模型詳情頁面，具體操作，請參見一、進入模型詳情頁面。
2. 在模型訓練地區，將訓練設定>輸出路徑配置為OSS Bucket路徑，並單擊訓練。本樣本使用預設資料集進行模型微調訓練。
  說明
  如果您準備了訓練資料集，在模型訓練地區，參照訓練模型操作步驟更新訓練資料集後，再單擊訓練。
  頁面將自動跳轉到任務詳情頁面。您可以單擊任務日誌，查看訓練過程。

四、部署和調試微調後的模型

訓練好的模型會自動註冊到AI資產-模型管理中，您可以查看或部署對應的模型，詳情請參見註冊及管理模型。
線上調試模型，具體操作，請參見線上調試模型。