问题截图：
首先确认，pai的工作空间与dataworks工作空间是一致的，所以无法出现同名空间。
可以通过以下方式将dataworks已经存在的工作空间关联到pai
1.打开dataworks工作台，找到相同地域下的工作空间
2.选择引擎配置
3.关联pai（MC必须要选）
4.创建MC引擎
5确认后，等待系统关联好，即可在pai里面看到此工作空间
PAI创建工作空间提示名称已经存在
2022-10-27
277
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
本文涉及的产品
简介：
检查了已经创建的工作空间后，发现名称未使用，但是依然提示名称已存在。或者希望创建与dataworks名称一样的工作空间时无法创建。
目录
相关文章
|
6月前
|
机器学习/深度学习
人工智能
Java
人工智能平台PAI产品使用合集之如何配置工作空间存储路径
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。
132
3
3
|
7月前
|
机器学习/深度学习
人工智能
算法
深度解密阿里巴巴PAI工作空间：协同创新，智慧计算的新引擎
深度解密阿里巴巴PAI工作空间：协同创新，智慧计算的新引擎
在人工智能领域，团队协作和资源管理是推动技术发展的关键因素。作为阿里巴巴公共AI平台的核心组成部分，PAI工作空间应运而生，为企业和团队提供统一的计算资源管理及人员权限管理能力，为AI开发者提供支持团队协作的全流程开发工具及AI资产管理能力。今天，就让我们一起来深度解密PAI工作空间，了解它是如何成为智慧计算的新引擎的。
174
2
4
|
机器学习/深度学习
分布式计算
Cloud Native
|
SQL
监控
关系型数据库
大数据，数据分析，机器学习，架构等相关系统名称名词解释
常用的一些软件或其他
1.日志（日志收集，日志处理）
风来了.fox
1.1 Logstash
Logstash是一款轻量级的日志搜集处理框架，可以方便的把分散的、多样化的日志搜集起来，并进行自定义的处理，然后传输到指定的位置，比如某个服务器或者文件。
1.2 Filebeat
Filebeat是一个开源的文件收集器，主要用于获取日志文件，并把它们发送
3333
0
0
|
14天前
|
机器学习/深度学习
人工智能
算法
【手写数字识别】Python+深度学习+机器学习+人工智能+TensorFlow+算法模型
手写数字识别系统，使用Python作为主要开发语言，基于深度学习TensorFlow框架，搭建卷积神经网络算法。并通过对数据集进行训练，最后得到一个识别精度较高的模型。并基于Flask框架，开发网页端操作平台，实现用户上传一张图片识别其名称。
49
0
0
|
2月前
|
机器学习/深度学习
人工智能
自然语言处理
【MM2024】阿里云 PAI 团队图像编辑算法论文入选 MM2024
阿里云人工智能平台 PAI 团队发表的图像编辑算法论文在 MM2024 上正式亮相发表。ACM MM（ACM国际多媒体会议）是国际多媒体领域的顶级会议，旨在为研究人员、工程师和行业专家提供一个交流平台，以展示在多媒体领域的最新研究成果、技术进展和应用案例。其主题涵盖了图像处理、视频分析、音频处理、社交媒体和多媒体系统等广泛领域。此次入选标志着阿里云人工智能平台 PAI 在图像编辑算法方面的研究获得了学术界的充分认可。
108
2
2
|
2月前
|
机器学习/深度学习
算法
Java
|
2月前
|
机器学习/深度学习
人工智能
算法
【玉米病害识别】Python+卷积神经网络算法+人工智能+深度学习+计算机课设项目+TensorFlow+模型训练
玉米病害识别系统，本系统使用Python作为主要开发语言，通过收集了8种常见的玉米叶部病害图片数据集（'矮花叶病', '健康', '灰斑病一般', '灰斑病严重', '锈病一般', '锈病严重', '叶斑病一般', '叶斑病严重'），然后基于TensorFlow搭建卷积神经网络算法模型，通过对数据集进行多轮迭代训练，最后得到一个识别精度较高的模型文件。再使用Django搭建Web网页操作平台，实现用户上传一张玉米病害图片识别其名称。
62
0
0
|
2月前
|
机器学习/深度学习
算法
决策智能
|
2月前
|
机器学习/深度学习
算法
Python
探索机器学习中的决策树算法：从理论到实践
【10月更文挑战第5天】本文旨在通过浅显易懂的语言，带领读者了解并实现一个基础的决策树模型。我们将从决策树的基本概念出发，逐步深入其构建过程，包括特征选择、树的生成与剪枝等关键技术点，并以一个简单的例子演示如何用Python代码实现一个决策树分类器。文章不仅注重理论阐述，更侧重于实际操作，以期帮助初学者快速入门并在真实数据上应用这一算法。
45
4
4
热门文章
最新文章
1
SLS机器学习最佳实战：批量时序异常检测
2
【GTC 22】通过 PAI-Blade 更方便、更鲁棒地使用 TensorRT
3
Elastic：机器学习的实践 - multi metric job
4
阿里巴巴飞天大数据平台机器学习PAI最新特性
5
【机器学习】文章9
6
机器学习-异常检测算法（二）：Local Outlier Factor
7
在PyTorch中使用DistributedDataParallel进行多GPU分布式模型训练
8
精准营销！用机器学习完成客户分群！⛵
9
阿里文娱测试实战：机器学习+基于热度链路推荐的引流，让对比测试更精准
10
写给人类的机器学习 翻译完成
1
构建未来：基于机器学习的智能健康监测系统
265
2
【机器学习】在使用K-means聚类算法时，如何选择K的值？
378
3
【机器学习】为什么K-means算法使用欧式距离度量？
364
4
【机器学习】描述K-means算法的步骤
146
5
【机器学习】K-means聚类的停止标准是什么？
461
6
【机器学习】解释什么是K-means聚类？
175
7
【机器学习】K-means和KNN算法有什么区别？
594
8
【机器学习】K-means聚类有哪些应用？
422
9
【机器学习】贝叶斯统计中，“先验概率”和“后验概率”的区别？
2234
10
LabVIEW使用机器学习分类模型探索基于技能课程的学习
52