问题一：请教机器学习PAIbatch size时候导致cuda报错问题怎么解决？
请教一下，之前遇到过比较大的batch size时候导致cuda报illegal memory access的问题吗？
参考回答：
当批量大小非常大时，可能会导致CUDA内存耗尽或发生illegal memory access的问题。这通常是因为模型需要的GPU内存超过了GPU可用内存的限制，或者由于模型参数的组织方式不同，而导致内存访问越界的问题。
您可以尝试调整批量大小，或者考虑使用更大的GPU内存。您还可以尝试使用分布式训练，将模型参数分散到多个GPU上，从而降低每个GPU的内存需求。而且您可以使用CUDA的内存管理工具，如cuda-memcheck和cuda-memleak-check，来帮助您诊断和解决这些问题。
关于本问题的更多回答可点击原文查看：https://developer.aliyun.com/ask/503289?spm=5176.8068049.0.0.77566d1989YhJO
问题二：机器学习PAI现在编译的版本是0.2.0吗，和release的0.4.0是不是有差别？
机器学习PAI现在编译的版本是0.2.0吗，和release的0.4.0是不是有差别？
参考回答：
有些差别了，用新的吧
关于本问题的更多回答可点击原文查看：https://developer.aliyun.com/ask/503287?spm=5176.8068049.0.0.77566d1989YhJO
问题三：请问机器学习PAI中bladedisc在不需要dynamic的场景时可以关掉吗
请问机器学习PAI中bladedisc在不需要dynamic的场景时可以关掉吗？
参考回答：
如果是 PyTorch 的话，有一个 config 可以设置打开 static shape 优化，https://github.com/alibaba/BladeDISC/blob/main/pytorch_blade/torch_blade/config.py#L287
关于本问题的更多回答可点击原文查看：https://developer.aliyun.com/ask/503285?spm=5176.8068049.0.0.77566d1989YhJO
问题四：机器学习PAI使用blade遇到超过pb限制的问题，请问有参数可以绕过去吗？
机器学习PAI使用blade遇到超过pb限制的问题，请问有参数可以绕过去吗？
参考回答：
看是在那个阶段出现的pb限制问题，新版本的bladedisc应该只有在tf圈图后导出子图编译时会使用pb，bladedisc编译完成后结果不会用pb来存储。这种情况下原始的pb应该就超过的2GB？（如果子图就超过了的话），一种可能的workaround方式时不freeze graph，这样const就不会被编译。另外老版本的bladedisc会使用pb来存储一部分编译后的结果，这个也会有可能超过2GB的限制，如果是这个问题，升级bladedisc应该可以解决
关于本问题的更多回答可点击原文查看：https://developer.aliyun.com/ask/503284?spm=5176.8068049.0.0.77566d1989YhJO
问题五：机器学习PAI给userid推荐问题，可以帮忙看下吗？
机器学习PAI给userid推荐，也需要输入你要推荐的候选 itemids，才可以计算出rating进行推荐。需要同时提供用户和物品的特征向量作为输入，如果只提供用户的特征，模型没有办法计算rating。那训练是一行数据只有一个itemid的话，推荐时就需要把所有后选的itemid的数据全传进去是吗？
参考回答：
是的，在推荐时，通常需要将候选物品的特征一并传递给推荐模型。如果候选物品数量较大，可以考虑对物品进行批量预测或筛选，可以提高推荐效率
关于本问题的更多回答可点击原文查看：https://developer.aliyun.com/ask/503283?spm=5176.8068049.0.0.77566d1989YhJO
