机器学习PAI中这个配置哪里有问题？
cd /vepfs/modelzoo/; python launch.py
--output_dir=/vepfs/deeprec
--protocol=grpc
--ev=true
--ev_elimination=l2
--ev_filter=counter
--op_fusion=true
--inter=8
--intra=8
--input_layer_partitioner=0
--dense_layer_partitioner=16
--group_embedding=collective
--workqueue=true
--parquet_dataset=false 配置哪里有问题？
写回答
-
全栈JAVA领域创作者这个配置中有几个参数缺少了值，建议根据实际需要进行设置。
具体而言，以下参数需要添加对应的值：
--output_dir：指定模型输出目录 --protocol：指定通信协议，比如gRPC或HTTP --ev：启用评估版本的模型训练 --ev_elimination：指定淘汰策略，比如L1或L2范数 --ev_filter：指定评估过滤器，比如counter或threshold --input_layer_partitioner：指定输入层的分区数 --dense_layer_partitioner：指定全连接层的分区数 --group_embedding：指定嵌入层的分布式收集方式，比如collective或ps --workqueue：是否启用调度器 --parquet_dataset：是否使用Parquet数据集格式 您可以根据自己的需求为这些参数添加相应的值。同时，还需要确认launch.py脚本的位置和正确性，并检查系统是否已经正确安装了相关的依赖库和环境。
2023-04-26 13:28:45赞同 展开评论 打赏
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。
人工智能平台 PAI（Platform for AI，原机器学习平台PAI）是面向开发者和企业的机器学习/深度学习工程平台，提供包含数据标注、模型构建、模型训练、模型部署、推理优化在内的AI开发全链路服务，内置140+种优化算法，具备丰富的行业场景插件，为用户提供低门槛、高性能的云原生AI工程化能力。
