</div>《阿里云机器学习平台 PAI 产品与技术》电子版地址
2022-11-28
244
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：
阿里云机器学习平台 PAI 产品与技术
目录
相关文章
|
6月前
|
PyTorch
调度
算法框架/工具
阿里云PAI-DLC任务Pytorch launch_agent Socket Timeout问题源码分析
DLC任务Pytorch launch_agent Socket Timeout问题源码分析与解决方案
280
18
18
|
6月前
|
机器学习/深度学习
人工智能
自然语言处理
阿里云人工智能平台 PAI 开源 EasyDistill 框架助力大语言模型轻松瘦身
本文介绍了阿里云人工智能平台 PAI 推出的开源工具包 EasyDistill。随着大语言模型的复杂性和规模增长，它们面临计算需求和训练成本的障碍。知识蒸馏旨在不显著降低性能的前提下，将大模型转化为更小、更高效的版本以降低训练和推理成本。EasyDistill 框架简化了知识蒸馏过程，其具备多种功能模块，包括数据合成、基础和进阶蒸馏训练。通过数据合成，丰富训练集的多样性；基础和进阶蒸馏训练则涵盖黑盒和白盒知识转移策略、强化学习及偏好优化，从而提升小模型的性能。
899
7
7
|
6月前
|
缓存
并行计算
测试技术
|
7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。
370
6
7
|
9月前
|
API
开发工具
Python
阿里云PAI部署DeepSeek及调用
本文介绍如何在阿里云PAI EAS上部署DeepSeek模型，涵盖7B模型的部署、SDK和API调用。7B模型只需一张A10显卡，部署时间约10分钟。文章详细展示了模型信息查看、在线调试及通过OpenAI SDK和Python Requests进行调用的步骤，并附有测试结果和参考文档链接。
3527
11
25
|
9月前
|
机器学习/深度学习
人工智能
开发者
DeepSeek安装部署指南，基于阿里云PAI零代码，小白也能轻松搞定！
阿里云PAI平台支持零代码一键部署DeepSeek-V3和DeepSeek-R1大模型，用户可轻松实现从训练到部署再到推理的全流程。通过PAI Model Gallery，开发者只需简单几步即可完成模型部署，享受高效便捷的AI开发体验。具体步骤包括：开通PAI服务、进入控制台选择模型、一键部署并获取调用信息。整个过程简单快捷，极大降低了使用门槛。
1892
43
46
|
8月前
|
存储
人工智能
云栖大会
【云栖大会】阿里云设计中心 × 教育部协同育人项目成果展，PAI ArtLab助力高校AIGC教育新路径
【云栖大会】阿里云设计中心 × 教育部协同育人项目成果展，PAI ArtLab助力高校AIGC教育新路径
559
24
25
|
7月前
|
人工智能
自然语言处理
运维
Qwen3 全尺寸模型支持通过阿里云PAI-ModelGallery 一键部署
Qwen3 是 Qwen 系列最新一代的大语言模型，提供了一系列密集（Dense）和混合专家（MOE）模型。目前，PAI 已经支持 Qwen3 全系列模型一键部署，用户可以通过 PAI-Model Gallery 快速开箱！
580
0
0
|
8月前
|
机器学习/深度学习
人工智能
自然语言处理
云上一键部署通义千问 QwQ-32B 模型，阿里云 PAI 最佳实践
3月6日阿里云发布并开源了全新推理模型通义千问 QwQ-32B，在一系列权威基准测试中，千问QwQ-32B模型表现异常出色，几乎完全超越了OpenAI-o1-mini，性能比肩Deepseek-R1，且部署成本大幅降低。并集成了与智能体 Agent 相关的能力，够在使用工具的同时进行批判性思考，并根据环境反馈调整推理过程。阿里云人工智能平台 PAI-Model Gallery 现已经支持一键部署 QwQ-32B，本实践带您部署体验专属 QwQ-32B模型服务。
1651
17
17
|
9月前
|
机器学习/深度学习
数据采集
人工智能
MATLAB在机器学习模型训练与性能优化中的应用探讨
本文介绍了如何使用MATLAB进行机器学习模型的训练与优化。MATLAB作为强大的科学计算工具，提供了丰富的函数库和工具箱，简化了数据预处理、模型选择、训练及评估的过程。文章详细讲解了从数据准备到模型优化的各个步骤，并通过代码实例展示了SVM等模型的应用。此外，还探讨了超参数调优、特征选择、模型集成等优化方法，以及深度学习与传统机器学习的结合。最后，介绍了模型部署和并行计算技巧，帮助用户高效构建和优化机器学习模型。
286
1
1
热门文章
最新文章
1
【机器学习算法篇】K-近邻算法
2
机器学习算法：决策树
3
机器学习模型评估指标详解
4
地址标准化服务AI深度学习模型推理优化实践
5
垃圾分类模型训练部署教程，基于MaixHub和MaixPy-k210(3)
6
机器学习PAI 2020-5 月刊
7
机器学习之旅---朴素贝叶斯分类器
8
Python 机器学习算法交易实用指南（二）（2）
9
构建高效机器学习模型：从数据预处理到模型优化
10
构建高效机器学习模型的实用指南
1
基于Python_opencv人脸录入、识别系统（应用dlib机器学习库）（下）
171
2
基于Python_opencv人脸录入、识别系统（应用dlib机器学习库）（上）
240
3
OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉和机器学习库，它提供了大量的函数和工具，用于处理图像和视频数据。
453
4
【Python机器学习专栏】Python环境下的机器学习库概览
383
5
机器学习实战第3天：手写数字识别
390
6
机器学习库：numpy
168
7
机器学习第11天：降维
253
8
构建高效机器学习模型的五大技巧
218
9
构建高效机器学习模型：从数据预处理到模型优化
224
10
构建高效机器学习模型：从特征工程到模型调优
199