机器学习PAI只能用再建一个 done分区的方式吗?instance.status 这种方式可行吗?

机器学习PAI只能用再建一个 done分区的方式吗?instance.status 这种方式可行吗?

展开
收起
真的很搞笑 2023-11-05 16:28:47 82 分享 版权
2 条回答
写回答
取消 提交回答
  • 机器学习PAI不仅可以通过再建一个done分区的方式来进行模型部署,还可以使用instance.status来进行部署。

    在PAI中,可以通过创建一个作业来定义训练、验证和测试数据集,并指定要使用的计算资源和其他参数。当作业创建成功后,可以将其保存为done分区。done分区是一种特殊的分区,用于保存训练、验证和测试数据集以及其他与模型训练相关的参数和设置。当需要重新训练模型或重新部署模型时,可以通过加载done分区来快速恢复之前的训练环境和数据集,从而节省时间和计算资源。

    除了使用done分区,还可以使用instance.status来进行模型部署。instance.status是一个属性,可以用来表示实例的状态。在PAI中,可以使用instance.status来指定实例的状态,例如running、stopped、failed等。通过设置instance.status属性,可以控制实例的启动和停止,从而实现模型部署的灵活性和可扩展性。

    总之,机器学习PAI可以通过多种方式来进行模型部署,包括再建一个done分区和使用instance.status属性。具体选择哪种方式取决于具体的应用场景和需求。

    2023-11-06 10:49:29
    赞同 展开评论
  • 面对过去,不要迷离;面对未来,不必彷徨;活在今天,你只要把自己完全展示给别人看。

    在阿里云机器学习平台 PAI 上,可以使用不同的方式来标识训练任务的状态,包括但不限于 "done" 分区。

    一种常见的做法是使用 PAI 的状态 API 来获取训练任务的状态。例如,您可以使用 GET /api/job/{job_id}GET /api/train/{train_id} 来获取训练任务的状态信息。其中,job_idtrain_id 是指训练任务的唯一标识符。这些 API 返回的状态信息中包含了训练任务的各种详细信息,包括进度、错误消息、完成度等。

    另一种做法是在训练完成后创建一个新的分区。这是一种可选的辅助手段,可以让您更容易地追踪训练过程,特别是在多次迭代或分布式训练中

    2023-11-05 16:31:09
    赞同 展开评论

人工智能平台 PAI(Platform for AI,原机器学习平台PAI)是面向开发者和企业的机器学习/深度学习工程平台,提供包含数据标注、模型构建、模型训练、模型部署、推理优化在内的AI开发全链路服务,内置140+种优化算法,具备丰富的行业场景插件,为用户提供低门槛、高性能的云原生AI工程化能力。

还有其他疑问?
咨询AI助理