人工智能平台PAI使用问题之alink安装部署卡住不动,是什么导致的

本文涉及的产品
模型在线服务 PAI-EAS,A10/V100等 500元 1个月
交互式建模 PAI-DSW,每月250计算时 3个月
模型训练 PAI-DLC,100CU*H 3个月
简介: 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。

问题一:机器学习PAI的EasyRec 加入ETA模型了吗?

机器学习PAI的EasyRec 加入ETA模型了吗?



参考答案:

还没有加ETA



关于本问题的更多回答可点击进行查看:

https://developer.aliyun.com/ask/589098



问题二:机器学习PAI有没有feature-generate-mr 的文档啊?

机器学习PAI有没有feature-generate-mr 的文档啊?



参考答案:

DROP TABLE IF EXISTS test_mapreduce;

CREATE TABLE IF NOT EXISTS test_mapreduce

(

pro_id STRING

,request_id string

,dt STRING

,click_seq STRING

,add_seq string

,buy_seq string

,lover_seq string

)

PARTITIONED BY (ds STRING COMMENT '分区')

LIFECYCLE 7

;

--@resource_reference{"feature-generate-mr-v1.5.jar"}

jar -resources feature-generate-mr-v1.5.jar

-classpath feature-generate-mr-v1.5.jar

com.aliyun.pai.feature_generate_mr.SeqFeature

-pid "pro_id"

-pid_type "string"

-time_stamp "dt"

-time_stamp_type "string"

-event "event"

-valid_events "click,add,buy,lover"

-valid_event_selections "click,add,buy,lover|like"

-seq_fields "stock_number,price,event,dt,sz_stock_number,js_stock_number"

-seq_fields_side "item,item,user,user,item,item"

-seq_len "10,8,6,3"

-input_table "test_seq_data"

-output_table "test_mapreduce/ds=20211230"

-default_v "-1024"

-event_seq_type "split"

-sequence_delim "?"

-attribute_delim "*"

-pre_seconds "300"

-requestid "request_id"

;

配置介绍

-pid: 只能是一个,一般是userid,表示给谁创造序列

-pid_type pid的数据类型,是string or bigint

-time_stamp: 时间戳,用来排序,并且会保留在原表上的

-time_stamp_type time_stamp的数据类型,是string or bigint

-event: 表示输入表中的行为时间的名称

-valid_events: 有效的事件类构成的序列名称,和最结果表挂钩,都好分割,分割后的数量和valid_event_selections都好分割后的数量一样多

-valid_event_selections: 有效事件类型的具体行为名,一个事件类型可以包含多个具体行为名,例如 click 可以包含 discover_click 和 popular_click, 输入时以 "|" 分隔

-seq_fields: 序列特征中包含哪些字段,用逗号分割;并且根据第一个子特征会在序列特征中去重

-seq_fields_side 序列特征子特征的属性,属于user侧或者item侧

-seq_len: 序列长度,1个值时,表示所有的序列都是这么长,多个值时则需要等于valid_events的配置数量,表示不同的事件类型有不同的序列长度

-input_table 输入表,可以是分区表活非分区表

-output_table 输出表,要预先存在

-default_v 表示序列字段是空的默认值,改配置是一个值的时候则seq_fields的所有空都是改值,改值数量配置多个的时候,数量必须等于seq_fields的数量,表示对应位字段是null的填充值

-event_seq_type 表示序列生成类型,等于all,则以上的行为事件类型会融合生成一个序列特征,如果不是all,则以上行为事件类型按照不同的事件类型会生成不同的序列特征

-sequence_delim 序列特征之间的分割符号

-attribute_delim 序列特征子特征的分割符号

-pre_seconds 多少秒之前发生的行为才可以构成序列,防止穿越用的

-requestid 行为表的请求id字段,可以不配置,则每秒输出一次结果,同时输出表应该没有请求id的字段。如果有,则每个用户,每个requestid输出一次



关于本问题的更多回答可点击进行查看:

https://developer.aliyun.com/ask/589097



问题三:机器学习PAI序列特征,每个item,框起来的那个对应多个tag怎么办呢?

机器学习PAI序列特征,每个item,框起来的那个对应多个tag怎么办呢?



参考答案:

可以设置seq_multi_sep,sequence里面是多值特征的话。特征配置那里把多值的改成这样

features: {

input_names: 'tag_category_list'

feature_type: SequenceFeature

separator: ';'

hash_bucket_size: 10000

embedding_dim: 16

seq_multi_sep:'|'

}

separator 是第一层分隔,seq_multi_sep 是第二层分隔符



关于本问题的更多回答可点击进行查看:

https://developer.aliyun.com/ask/589096



问题四:机器学习PAI安装部署卡住了,采取了很多方法,不是各种报错就是卡住不动 试着换了好几个源也不行怎么办

alink安装部署这一步就卡住了,无论是windows系统还是mac还是linux系统 不是各种报错就是卡住不动 试着换了好几个源,也没有解决问题



参考答案:

你看一下这两篇是否对你有帮助,https://alinklab.cn/tutorial/book_python_01_2_1_1.html, https://alinklab.cn/tutorial/book_java_01_2_1.html, 网站上还有其它安装相关的内容



关于本问题的更多回答可点击进行查看:

https://developer.aliyun.com/ask/588824



问题五:有方式获取到机器学习PAI每个算子执行的状态吗?

有方式获取到机器学习PAI每个算子执行的状态吗?我在webui 上配置好了一套流程,然后提交到flink 上运行,有办法获取到各个节点的执行状态吗?

就是这个文档说的这个功能



参考答案:

这咋感觉是ai生成的文章



关于本问题的更多回答可点击进行查看:

https://developer.aliyun.com/ask/588819

相关实践学习
使用PAI-EAS一键部署ChatGLM及LangChain应用
本场景中主要介绍如何使用模型在线服务(PAI-EAS)部署ChatGLM的AI-Web应用以及启动WebUI进行模型推理,并通过LangChain集成自己的业务数据。
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
|
机器学习/深度学习 人工智能 物联网
通义灵码在人工智能与机器学习领域的应用
通义灵码不仅在物联网领域表现出色,还在人工智能、机器学习、金融、医疗和教育等领域展现出广泛应用前景。本文探讨了其在这些领域的具体应用,如模型训练、风险评估、医疗影像诊断等,并总结了其提高开发效率、降低门槛、促进合作和推动创新的优势。
通义灵码在人工智能与机器学习领域的应用
|
2月前
|
机器学习/深度学习 人工智能 监控
揭秘人工智能:机器学习的魔法
【10月更文挑战第6天】本文将带你走进人工智能的世界,了解机器学习如何改变我们的生活。我们将深入探讨机器学习的原理,以及它在各个领域的应用。同时,我们也会分享一些实用的代码示例,帮助你更好地理解和应用机器学习。无论你是初学者还是专业人士,这篇文章都将为你提供有价值的信息和启示。让我们一起探索这个神奇的领域吧!
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
人工智能与机器学习:探索未来的技术边界
【10月更文挑战第18天】 在这篇文章中,我们将深入探讨人工智能(AI)和机器学习(ML)的基础知识、应用领域以及未来趋势。通过对比分析,我们将揭示这些技术如何改变我们的生活和工作方式,并预测它们在未来可能带来的影响。文章旨在为读者提供一个全面而深入的理解,帮助他们更好地把握这一领域的发展趋势。
|
2月前
|
机器学习/深度学习 测试技术
阿里云入选Gartner数据科学和机器学习平台挑战者象限
Gartner® 正式发布了《数据科学与机器学习平台魔力象限》报告(Magic Quadrant™ for Data Science and Machine Learning Platforms),阿里云成为唯一一家入选该报告的中国厂商,被评为“挑战者”(Challengers)。
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
探索人工智能的未来:机器学习与深度学习的融合之旅
【9月更文挑战第35天】在这篇文章中,我们将深入探讨人工智能的两大支柱——机器学习和深度学习。我们将通过代码示例和实际应用案例,揭示它们如何相互补充,共同推动AI技术的发展。无论你是初学者还是有经验的开发者,这篇文章都将为你提供宝贵的见解和启示。
73 0
|
9天前
|
机器学习/深度学习 传感器 人工智能
人工智能与机器学习:改变未来的力量####
【10月更文挑战第21天】 在本文中,我们将深入探讨人工智能(AI)和机器学习(ML)的基本概念、发展历程及其在未来可能带来的革命性变化。通过分析当前最前沿的技术和应用案例,揭示AI和ML如何正在重塑各行各业,并展望它们在未来十年的潜在影响。 ####
68 27
|
28天前
|
机器学习/深度学习 人工智能 监控
AutoTrain:Hugging Face 开源的无代码模型训练平台
AutoTrain 是 Hugging Face 推出的开源无代码模型训练平台,旨在简化最先进模型的训练过程。用户无需编写代码,只需上传数据即可创建、微调和部署自己的 AI 模型。AutoTrain 支持多种机器学习任务,并提供自动化最佳实践,包括超参数调整、模型验证和分布式训练。
113 4
AutoTrain:Hugging Face 开源的无代码模型训练平台
|
22天前
|
机器学习/深度学习 人工智能 算法
人工智能浪潮下的编程实践:构建你的第一个机器学习模型
在人工智能的巨浪中,每个人都有机会成为弄潮儿。本文将带你一探究竟,从零基础开始,用最易懂的语言和步骤,教你如何构建属于自己的第一个机器学习模型。不需要复杂的数学公式,也不必担心编程难题,只需跟随我们的步伐,一起探索这个充满魔力的AI世界。
40 12
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
人工智能与机器学习在医疗诊断中的应用
【9月更文挑战第32天】随着科技的不断发展,人工智能和机器学习已经在许多领域得到了广泛应用。在医疗领域,它们正在改变着医生和患者的生活。通过分析大量的医疗数据,AI可以帮助医生更准确地诊断疾病,预测患者的病情发展,并提供个性化的治疗方案。本文将探讨人工智能和机器学习在医疗诊断中的具体应用,包括图像识别、自然语言处理和预测分析等方面。我们还将讨论AI技术面临的挑战和未来的发展趋势。
|
1月前
|
机器学习/深度学习 人工智能 算法
人工智能与机器学习的融合之旅
【10月更文挑战第37天】本文将探讨AI和机器学习如何相互交织,共同推动技术发展的边界。我们将深入分析这两个概念,了解它们是如何互相影响,以及这种融合如何塑造我们的未来。文章不仅会揭示AI和机器学习之间的联系,还会通过实际案例展示它们如何协同工作,以解决现实世界的问题。

热门文章

最新文章

相关产品

  • 人工智能平台 PAI