人工智能平台PAI使用问题之alink安装部署卡住不动,是什么导致的

本文涉及的产品
交互式建模 PAI-DSW,每月250计算时 3个月
模型训练 PAI-DLC,100CU*H 3个月
模型在线服务 PAI-EAS,A10/V100等 500元 1个月
简介: 阿里云人工智能平台PAI是一个功能强大、易于使用的AI开发平台,旨在降低AI开发门槛,加速创新,助力企业和开发者高效构建、部署和管理人工智能应用。其中包含了一系列相互协同的产品与服务,共同构成一个完整的人工智能开发与应用生态系统。以下是对PAI产品使用合集的概述,涵盖数据处理、模型开发、训练加速、模型部署及管理等多个环节。

问题一:机器学习PAI的EasyRec 加入ETA模型了吗?

机器学习PAI的EasyRec 加入ETA模型了吗?



参考答案:

还没有加ETA



关于本问题的更多回答可点击进行查看:

https://developer.aliyun.com/ask/589098



问题二:机器学习PAI有没有feature-generate-mr 的文档啊?

机器学习PAI有没有feature-generate-mr 的文档啊?



参考答案:

DROP TABLE IF EXISTS test_mapreduce;

CREATE TABLE IF NOT EXISTS test_mapreduce

(

pro_id STRING

,request_id string

,dt STRING

,click_seq STRING

,add_seq string

,buy_seq string

,lover_seq string

)

PARTITIONED BY (ds STRING COMMENT '分区')

LIFECYCLE 7

;

--@resource_reference{"feature-generate-mr-v1.5.jar"}

jar -resources feature-generate-mr-v1.5.jar

-classpath feature-generate-mr-v1.5.jar

com.aliyun.pai.feature_generate_mr.SeqFeature

-pid "pro_id"

-pid_type "string"

-time_stamp "dt"

-time_stamp_type "string"

-event "event"

-valid_events "click,add,buy,lover"

-valid_event_selections "click,add,buy,lover|like"

-seq_fields "stock_number,price,event,dt,sz_stock_number,js_stock_number"

-seq_fields_side "item,item,user,user,item,item"

-seq_len "10,8,6,3"

-input_table "test_seq_data"

-output_table "test_mapreduce/ds=20211230"

-default_v "-1024"

-event_seq_type "split"

-sequence_delim "?"

-attribute_delim "*"

-pre_seconds "300"

-requestid "request_id"

;

配置介绍

-pid: 只能是一个,一般是userid,表示给谁创造序列

-pid_type pid的数据类型,是string or bigint

-time_stamp: 时间戳,用来排序,并且会保留在原表上的

-time_stamp_type time_stamp的数据类型,是string or bigint

-event: 表示输入表中的行为时间的名称

-valid_events: 有效的事件类构成的序列名称,和最结果表挂钩,都好分割,分割后的数量和valid_event_selections都好分割后的数量一样多

-valid_event_selections: 有效事件类型的具体行为名,一个事件类型可以包含多个具体行为名,例如 click 可以包含 discover_click 和 popular_click, 输入时以 "|" 分隔

-seq_fields: 序列特征中包含哪些字段,用逗号分割;并且根据第一个子特征会在序列特征中去重

-seq_fields_side 序列特征子特征的属性,属于user侧或者item侧

-seq_len: 序列长度,1个值时,表示所有的序列都是这么长,多个值时则需要等于valid_events的配置数量,表示不同的事件类型有不同的序列长度

-input_table 输入表,可以是分区表活非分区表

-output_table 输出表,要预先存在

-default_v 表示序列字段是空的默认值,改配置是一个值的时候则seq_fields的所有空都是改值,改值数量配置多个的时候,数量必须等于seq_fields的数量,表示对应位字段是null的填充值

-event_seq_type 表示序列生成类型,等于all,则以上的行为事件类型会融合生成一个序列特征,如果不是all,则以上行为事件类型按照不同的事件类型会生成不同的序列特征

-sequence_delim 序列特征之间的分割符号

-attribute_delim 序列特征子特征的分割符号

-pre_seconds 多少秒之前发生的行为才可以构成序列,防止穿越用的

-requestid 行为表的请求id字段,可以不配置,则每秒输出一次结果,同时输出表应该没有请求id的字段。如果有,则每个用户,每个requestid输出一次



关于本问题的更多回答可点击进行查看:

https://developer.aliyun.com/ask/589097



问题三:机器学习PAI序列特征,每个item,框起来的那个对应多个tag怎么办呢?

机器学习PAI序列特征,每个item,框起来的那个对应多个tag怎么办呢?



参考答案:

可以设置seq_multi_sep,sequence里面是多值特征的话。特征配置那里把多值的改成这样

features: {

input_names: 'tag_category_list'

feature_type: SequenceFeature

separator: ';'

hash_bucket_size: 10000

embedding_dim: 16

seq_multi_sep:'|'

}

separator 是第一层分隔,seq_multi_sep 是第二层分隔符



关于本问题的更多回答可点击进行查看:

https://developer.aliyun.com/ask/589096



问题四:机器学习PAI安装部署卡住了,采取了很多方法,不是各种报错就是卡住不动 试着换了好几个源也不行怎么办

alink安装部署这一步就卡住了,无论是windows系统还是mac还是linux系统 不是各种报错就是卡住不动 试着换了好几个源,也没有解决问题



参考答案:

你看一下这两篇是否对你有帮助,https://alinklab.cn/tutorial/book_python_01_2_1_1.html, https://alinklab.cn/tutorial/book_java_01_2_1.html, 网站上还有其它安装相关的内容



关于本问题的更多回答可点击进行查看:

https://developer.aliyun.com/ask/588824



问题五:有方式获取到机器学习PAI每个算子执行的状态吗?

有方式获取到机器学习PAI每个算子执行的状态吗?我在webui 上配置好了一套流程,然后提交到flink 上运行,有办法获取到各个节点的执行状态吗?

就是这个文档说的这个功能



参考答案:

这咋感觉是ai生成的文章



关于本问题的更多回答可点击进行查看:

https://developer.aliyun.com/ask/588819

相关实践学习
使用PAI-EAS一键部署ChatGLM及LangChain应用
本场景中主要介绍如何使用模型在线服务(PAI-EAS)部署ChatGLM的AI-Web应用以及启动WebUI进行模型推理,并通过LangChain集成自己的业务数据。
机器学习概览及常见算法
机器学习(Machine Learning, ML)是人工智能的核心,专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能,它是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域。 本课程将带你入门机器学习,掌握机器学习的概念和常用的算法。
相关文章
|
16天前
|
存储 人工智能 大数据
AI开发新范式,PAI模型构建平台升级发布
本次分享由阿里云智能集团产品专家高慧玲主讲,聚焦AI开发新范式及PAI模型构建平台的升级。分享分为四个部分,围绕“人人可用”和“面向生产”两大核心理念展开。通过降低AI工程化门槛、提供一站式全链路服务,PAI平台致力于帮助企业和开发者更高效地实现AI应用。案例展示中,介绍了多模态模型微调在文旅场景的应用,展示了如何快速复现并利用AI解决实际问题。最终目标是让AI技术更普及,赋能各行业,推动社会进步。
|
2月前
|
机器学习/深度学习 人工智能 物联网
通义灵码在人工智能与机器学习领域的应用
通义灵码不仅在物联网领域表现出色,还在人工智能、机器学习、金融、医疗和教育等领域展现出广泛应用前景。本文探讨了其在这些领域的具体应用,如模型训练、风险评估、医疗影像诊断等,并总结了其提高开发效率、降低门槛、促进合作和推动创新的优势。
通义灵码在人工智能与机器学习领域的应用
|
3月前
|
机器学习/深度学习 人工智能 监控
揭秘人工智能:机器学习的魔法
【10月更文挑战第6天】本文将带你走进人工智能的世界,了解机器学习如何改变我们的生活。我们将深入探讨机器学习的原理,以及它在各个领域的应用。同时,我们也会分享一些实用的代码示例,帮助你更好地理解和应用机器学习。无论你是初学者还是专业人士,这篇文章都将为你提供有价值的信息和启示。让我们一起探索这个神奇的领域吧!
|
3月前
|
机器学习/深度学习 人工智能 自然语言处理
人工智能与机器学习:探索未来的技术边界
【10月更文挑战第18天】 在这篇文章中,我们将深入探讨人工智能(AI)和机器学习(ML)的基础知识、应用领域以及未来趋势。通过对比分析,我们将揭示这些技术如何改变我们的生活和工作方式,并预测它们在未来可能带来的影响。文章旨在为读者提供一个全面而深入的理解,帮助他们更好地把握这一领域的发展趋势。
|
3月前
|
机器学习/深度学习 测试技术
阿里云入选Gartner数据科学和机器学习平台挑战者象限
Gartner® 正式发布了《数据科学与机器学习平台魔力象限》报告(Magic Quadrant™ for Data Science and Machine Learning Platforms),阿里云成为唯一一家入选该报告的中国厂商,被评为“挑战者”(Challengers)。
|
11天前
|
机器学习/深度学习 人工智能 算法
阿里云人工智能平台图像视频特征提取
本文介绍了图像与视频特征提取技术在人工智能和计算机视觉中的应用,涵盖图像质量评分、人脸属性分析、年龄分析、图像多标签打标、图文视频动态分类打标、视频质量评分及视频分类打标。通过深度学习模型如CNN和RNN,这些技术能从海量数据中挖掘有价值信息,为图像分类、目标检测、视频推荐等场景提供支持,提升分析精度与效率。
75 9
|
1月前
|
机器学习/深度学习 传感器 人工智能
人工智能与机器学习:改变未来的力量####
【10月更文挑战第21天】 在本文中,我们将深入探讨人工智能(AI)和机器学习(ML)的基本概念、发展历程及其在未来可能带来的革命性变化。通过分析当前最前沿的技术和应用案例,揭示AI和ML如何正在重塑各行各业,并展望它们在未来十年的潜在影响。 ####
93 27
|
23天前
|
数据采集 人工智能 智能设计
首个!阿里云人工智能平台率先通过国际标准认证
首个!阿里云人工智能平台率先通过国际标准认证
79 7
|
20天前
|
机器学习/深度学习 人工智能 算法
人工智能平台年度技术趋势
阿里云智能集团研究员林伟在年度技术趋势演讲中,分享了AI平台的五大方面进展。首先,他介绍了大规模语言模型(LLM)训练中的挑战与解决方案,包括高效故障诊断和快速恢复机制。其次,探讨了AI应用和服务的普及化,强调通过优化调度降低成本,使AI真正惠及大众。第三,提出了GreenAI理念,旨在提高AI工程效率,减少能源消耗。第四,讨论了企业级能力,确保数据和模型的安全性,并推出硬件到软件的全面安全方案。最后,介绍了整合多项核心技术的Pai Prime框架,展示了阿里云在自主可控AI核心框架下的整体布局和发展方向。
|
2月前
|
机器学习/深度学习 人工智能 监控
AutoTrain:Hugging Face 开源的无代码模型训练平台
AutoTrain 是 Hugging Face 推出的开源无代码模型训练平台,旨在简化最先进模型的训练过程。用户无需编写代码,只需上传数据即可创建、微调和部署自己的 AI 模型。AutoTrain 支持多种机器学习任务,并提供自动化最佳实践,包括超参数调整、模型验证和分布式训练。
203 4
AutoTrain:Hugging Face 开源的无代码模型训练平台

相关产品

  • 人工智能平台 PAI