函数计算FC模型训练，有具体的文档以及操作方法吗 ？这个 模型训练 是怎么个训练方法？

函数计算（Function Compute）主要用于运行无状态的短时任务，而模型训练通常需要更长时间和更强大的计算资源。因此，使用函数计算进行模型训练并不是最常见的做法。

通常，模型训练更适合在专门的机器学习平台或云服务上进行，例如阿里云的机器学习平台PAI（Platform of AI）、云服务器ECS（Elastic Compute Service）等。这些平台提供了更强大的计算能力、GPU加速以及专门的机器学习库和工具。

如果您打算在函数计算中进行一些与模型相关的操作，如模型推理、预测等，可以参考以下步骤：

1. 准备模型：首先，您需要准备好训练好的模型文件，通常是保存为文件格式（如TensorFlow的.pb文件、PyTorch的.pt文件等）。

2. 创建函数：在函数计算中，创建一个新的函数，并选择适当的运行环境（如Python 3.6、Node.js 10等）。

3. 配置函数：在函数代码中，编写相应的代码来加载模型文件，并实现预测、推理等功能。根据不同的运行环境和框架，加载模型的方式会有所不同，请根据您使用的具体框架和模型进行相应的操作。

4. 配置触发器：为函数配置适当的触发器，以便根据需要触发函数执行。触发器可以是API网关、定时触发器、消息队列等，具体根据您的实际需求选择。

5. 部署和测试：完成函数的配置后，将函数部署到函数计算中，并进行测试验证。您可以使用函数计算的控制台、命令行工具或API进行部署和测试。

函数计算（Function Compute，FC）并不是一个专门用于模型训练的平台，它更适合处理短时间的计算任务，例如数据处理、图像处理、视频处理、文本处理等。如果您需要进行模型训练，建议使用阿里云的机器学习平台（Machine Learning Platform for AI，简称PAI），它提供了完整的机器学习解决方案，包括数据处理、模型训练、模型部署等。您可以在PAI平台上选择不同的机器学习框架，例如TensorFlow、PyTorch、MXNet等，进行模型训练和优化。

如果您仍然需要在函数计算中进行模型训练，可以使用函数计算与阿里云OSS、阿里云Table Store等服务进行配合，将数据存储在OSS或Table Store上，然后将训练任务分解成多个小任务，使用多个函数并行执行，最终将结果合并。需要注意的是，这种方法适用于小型模型或简单模型的训练，对于大规模、复杂的模型训练，建议使用专门的机器学习平台进行处理。