机器学习PAI task里面单独配置后,上面的eval_config就不生效了吗?
在阿里云机器学习PAI的某些场景下,如果你在task级别单独配置了与评估相关的参数或设置了不同的评估策略,那么默认的eval_config
中的设置可能不会生效,会被task级别的配置覆盖。
举个例子,在PAI-EasyRec中,如果在模型训练任务(Task)的配置中直接指定了评估数据集、评估间隔或者其他评估相关的选项,那么这部分设置将会优先于eval_config
中定义的内容被执行。
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。