如何使用 PAI-Studio 可视化构建模型到部署|学习笔记

本文涉及的产品
模型训练 PAI-DLC,100CU*H 3个月
交互式建模 PAI-DSW,每月250计算时 3个月
模型在线服务 PAI-EAS,A10/V100等 500元 1个月
简介: 快速学习如何使用 PAI-Studio 可视化构建模型到部署。

开发者学堂课程【PAL 平台学习路线:机器学习入门到应用:如何使用 PAI-Studio 可视化构建模型到部署】学习笔记,与课程紧密联系,让用户快速学习知识。

课程地址:https://developer.aliyun.com/learning/course/855/detail/14228


如何使用 PAI-Studio 可视化构建模型到部署

 

内容介绍:

一、内容总述

二、演示

 

一、内容总述

如何使用 PAI-Studio 可视化构建模型到部署的一系列流程;PAI-Studio 内置的把语种算法组件,通过算法组件用户可以通过拖拉拽的方式构建机器学习和深度学习的流程。

 

二、演示

首先登录 PAI 控制台。确认完成实名认证,在左侧的导航栏选择模型的开发和训练,选择可视化建模,再此页面单击创建项目。

 图片47.png

在创建项目的对话框中。选择 MAXcompute 的计费类型并且输入项目名称,其他参数可使用默认配置。之后选择使用的 GPU 项目才能使用深度学习组件。PAI 支持使用 MAXcompute 和 OSS 储存数据。

单机 PAI 的项目操作列下的进入机器学习,MC 主要用来储存表结构数据,用于常规算法。而 OSS 储存结构包括非结构化储存数据用于深度学习算法。点击首页可在项目里创建实验,可以新建空白实验或者从模板里面选择。

Studio 提供的可视化学习允许用户使用拖拉拽的方式实现0代码开发人工智能。同时 Studio 里面预置了算法组件,可以将组件拖入画布中,然后通过箭头将不同的组件拼接为实验,还可以将拼接好的实验保存为模板再次使用。

机器学习工作流需要首先配置数据源。读取数据表组件用于读取 MAX-compute 数据源,默认读取本项目的表数据。如果跨项目读取数据就要在表前添加工程名,这个 PAI-online-project 项目下的表都是公开的,任何用户都可以使用。在右侧表选择页面,输入已经创建的表名,然后点击字段信息页可以查看输入表的字段、数据类型以及前十条记录范围。

然后对原始数据进行数据预处理。在表的列表将数据预处理下的类型转换和归一化组件拖入画布中。之后在表组件列表中工具下的SQL副本拖入画布中。然后再依次拖入整个机器学习流程需要的组件。拆分组件可以将数据集拆分为训练集和测试集。然后拖入逻辑回归二分类的算法模型。之后再依次拖入测试集和混淆矩阵以及最后的评估模型的组件。

现在用箭头将机器学习的各流程的组件拼接为更完整的组件,可以将拼接好的组件保存为模板下次使用。

图片48.png

单机画布中的 SQL 脚本组件,在右侧 SQL 脚本编辑框中输入 SQL 可以将字符型字段转化为数值型。点击执行到此处后,选择转化类型组件和归一化组件,在右侧的字段设置页中选择所有字段。拆分方式如无特殊需求可以按照默认的比例拆分。

单机画布中的逻辑回归二分类组件,在右侧字段设置页签,将目标列设置成 ifhealth 再将训练特征列设置为除目标外的所有列。如下图所示:

 图片49.png

然后单机预测组件,选择执行到此处。然后同样的单机预测组件,在右侧字段设置页签,将目标列设置为 ifhealth;然后将训练特征列设置成除目标列外的所有列。同样将混淆矩阵也做相应的设置。

在二分类评估这里也把原始的标签列名选择为 ifhealth,单机执行该组件。

 图片50.png

当每一个组件的旁边都出现这样的绿色对勾之后就证明每一步都是跑通了的。

PAI-Studio 还提供了数据可视化的功能,将统计分析下的全表统计-1拖入画布,并与数据预处理中的组件拼接为实验。这里我们将他把数据转化类型的组件拼接在一起。在右侧字段设置的地方选择所有字段,右键选择执行该节点。

执行结束后右键单击画布中的全表统计组件在快捷菜单单击查看数据可以查看数据的全表统计信息。

同样在实验运行结束后右键单击画布中的二分类评估组件,点击查看评估报告,在图表页可以查看在不同参数的情况下二分类训练模型下的 ROC 曲线。

 图片51.png

运行好的实验会保存在我的实验,也可以从首页的模板直接创建刚刚运行的实验。大概需要等待10秒左右的时间,等待实验从模板中创建。创建成功的实验就和刚刚运行的实验是一样的。

运行好的模型可以部署成在线服务,也可以运行成离线调度实验。现在将刚刚跑好的模型部署成在线服务,选择逻辑回归二分类。

会自动跳转到 PAI-EAS 模型在线服务,只要自定义模型名称,选择所需要的资源类型,点击确定即可部署模型还可以选择模型部署占用的资源。需要稍等一会,会显示在创建中。

当模型状态从部署中到运营中就说明模型成功部署为一个服务了。

如果不需要的时候可以选择停止操作,防止产生不必要的费用产生。

这个案例内使用的组件都是机器学习上的组件。如果想要使用深度学习的组件,需要确保已经开启了GPU的资源。

深度学习框架组件包括 tensorflow、caffe、MXMet、pytorch 深度学习框架。在使用深度学习框架训练数据之前需要上传训练数据对象 OSS 数据中。算法在运行时从指定 OSS 目录中读取数据。算法在执行访问同一区域下 OSS 中,数据是不产生流量费用。访问其他地域的OSS会产生流量费用。读取数据表时默认读取 ODPS 的数据表。如果要读取OSS的数据就要选择读取 OSS 的这个组件。

PAI-Studio 还包括时间序列文本和针对金融场景的金融板块等组件

相关实践学习
使用PAI+LLaMA Factory微调Qwen2-VL模型,搭建文旅领域知识问答机器人
使用PAI和LLaMA Factory框架,基于全参方法微调 Qwen2-VL模型,使其能够进行文旅领域知识问答,同时通过人工测试验证了微调的效果。
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
|
1月前
|
人工智能 自然语言处理 IDE
模型微调不再被代码难住!PAI和Qwen3-Coder加速AI开发新体验
通义千问 AI 编程大模型 Qwen3-Coder 正式开源,阿里云人工智能平台 PAI 支持云上一键部署 Qwen3-Coder 模型,并可在交互式建模环境中使用 Qwen3-Coder 模型。
340 109
|
2月前
|
人工智能 自然语言处理 运维
【新模型速递】PAI-Model Gallery云上一键部署Kimi K2模型
月之暗面发布开源模型Kimi K2,采用MoE架构,参数达1T,激活参数32B,具备强代码能力及Agent任务处理优势。在编程、工具调用、数学推理测试中表现优异。阿里云PAI-Model Gallery已支持云端部署,提供企业级方案。
184 0
【新模型速递】PAI-Model Gallery云上一键部署Kimi K2模型
|
2月前
|
人工智能 自然语言处理 运维
【新模型速递】PAI-Model Gallery云上一键部署gpt-oss系列模型
阿里云 PAI-Model Gallery 已同步接入 gpt-oss 系列模型,提供企业级部署方案。
|
3月前
|
机器学习/深度学习 算法 安全
差分隐私机器学习:通过添加噪声让模型更安全,也更智能
本文探讨在敏感数据上应用差分隐私(DP)进行机器学习的挑战与实践。通过模拟DP-SGD算法,在模型训练中注入噪声以保护个人隐私。实验表明,该方法在保持71%准确率和0.79 AUC的同时,具备良好泛化能力,但也带来少数类预测精度下降的问题。研究强调差分隐私应作为模型设计的核心考量,而非事后补救,并提出在参数调优、扰动策略选择和隐私预算管理等方面的优化路径。
203 3
差分隐私机器学习:通过添加噪声让模型更安全,也更智能
|
3月前
|
机器学习/深度学习 分布式计算 Java
Java 大视界 -- Java 大数据机器学习模型在遥感图像土地利用分类中的优化与应用(199)
本文探讨了Java大数据与机器学习模型在遥感图像土地利用分类中的优化与应用。面对传统方法效率低、精度差的问题,结合Hadoop、Spark与深度学习框架,实现了高效、精准的分类。通过实际案例展示了Java在数据处理、模型融合与参数调优中的强大能力,推动遥感图像分类迈向新高度。
|
3月前
|
机器学习/深度学习 存储 Java
Java 大视界 -- Java 大数据机器学习模型在游戏用户行为分析与游戏平衡优化中的应用(190)
本文探讨了Java大数据与机器学习模型在游戏用户行为分析及游戏平衡优化中的应用。通过数据采集、预处理与聚类分析,开发者可深入洞察玩家行为特征,构建个性化运营策略。同时,利用回归模型优化游戏数值与付费机制,提升游戏公平性与用户体验。
|
3月前
|
机器学习/深度学习 算法 Java
Java 大视界 -- Java 大数据机器学习模型在舆情分析中的情感倾向判断与话题追踪(185)
本篇文章深入探讨了Java大数据与机器学习在舆情分析中的应用,重点介绍了情感倾向判断与话题追踪的技术实现。通过实际案例,展示了如何利用Java生态工具如Hadoop、Hive、Weka和Deeplearning4j进行舆情数据处理、情感分类与趋势预测,揭示了其在企业品牌管理与政府决策中的重要价值。文章还展望了多模态融合、实时性提升及个性化服务等未来发展方向。
|
5月前
|
机器学习/深度学习 数据采集 人工智能
20分钟掌握机器学习算法指南
在短短20分钟内,从零开始理解主流机器学习算法的工作原理,掌握算法选择策略,并建立对神经网络的直观认识。本文用通俗易懂的语言和生动的比喻,帮助你告别算法选择的困惑,轻松踏入AI的大门。
|
11月前
|
机器学习/深度学习 算法 数据挖掘
K-means聚类算法是机器学习中常用的一种聚类方法,通过将数据集划分为K个簇来简化数据结构
K-means聚类算法是机器学习中常用的一种聚类方法,通过将数据集划分为K个簇来简化数据结构。本文介绍了K-means算法的基本原理,包括初始化、数据点分配与簇中心更新等步骤,以及如何在Python中实现该算法,最后讨论了其优缺点及应用场景。
1053 6
|
6月前
|
机器学习/深度学习 存储 Kubernetes
【重磅发布】AllData数据中台核心功能:机器学习算法平台
杭州奥零数据科技有限公司成立于2023年,专注于数据中台业务,维护开源项目AllData并提供商业版解决方案。AllData提供数据集成、存储、开发、治理及BI展示等一站式服务,支持AI大模型应用,助力企业高效利用数据价值。

热门文章

最新文章

相关产品

  • 人工智能平台 PAI