# 人工智能平台 PAI #
1
关注
4198内容
演讲实录：中小企业如何快速构建AI应用？
AI时代飞速发展，大模型和AI的应用创新不断涌现，面对百花齐放的AI模型，阿里云计算平台大数据AI解决方案总监魏博文分享如何通过阿里云提供的大数据AI一体化平台，解决企业开发难、部署繁、成本高等一系列问题，让中小企业快速搭建AI应用。
uv找不到Python头文件的解决方案
最近在微调LLM的时候，我发现使用uv构建的环境，有时候会找不到Python.h，导致一些库报错，如`fatal error: Python.h: No such file or directory`。通过设置`python-preference`可以解决。
阿里开源自研工业级稀疏模型高性能训练框架 HybridBackend
近年来，随着稀疏模型对算力日益增长的需求, CPU集群必须不断扩大集群规模来满足训练的时效需求，这同时也带来了不断上升的资源成本以及实验的调试成本。
阿里云机器学习 PAI 年度发布：持续锻造云原生的 AI 工程平台
刚刚结束的 2022 云栖大会上，阿里云机器学习平台 PAI 发布了在开发者服务、企业级能力、工程性能优化三个方向的一系列新特性和功能。从支撑达摩院上云，到服务金融、汽车、互联网、制造等多个行业的创新实践，机器学习 PAI 不断夯实云原生的 AI 工程平台能力。
玩转AIGC | 使用阿里云NAS+PAI-EAS部署Stable Diffusion文生图模型
阿里云的AIGC存储解决方案是覆盖了数据收集、模型训练以及模型推理整个生命周期，本实验场景主要覆盖模型推理过程，介绍如何使用模型在线服务（PAI-EAS）以及文件存储NAS部署AIGC应用，快速生成图片。
【AAAI2024】M2SD：通过特征空间预构建策略重塑小样本类增量学习
小样本类增量学习代表了机器学习领域中一个高度挑战性的议题，其核心目标在于能够在仅有限的数据支持下识别新类别，同时保留对已学习类别的认知，而无须重新训练整个模型。这一目标在模型需适应新类别的同时使用有限训练数据的情况下尤为艰巨。针对上述挑战，我们提出了一种创新性策略，称为多重混合自蒸馏。旨在为类增量学习阶段准备一个具有高度可扩展性和包容性的特征空间。
免费试用