# 人工智能平台 PAI #
1
关注
3981内容
使用PAI-FeatureStore管理风控应用中的特征
PAI-FeatureStore 是阿里云提供的特征管理平台，适用于风控应用中的离线和实时特征管理。通过MaxCompute定义和设计特征表，利用PAI-FeatureStore SDK进行数据摄取与预处理，并通过定时任务批量计算离线特征，同步至在线存储系统如FeatureDB或Hologres。对于实时特征，借助Flink等流处理引擎即时分析并写入在线存储，确保特征时效性。模型推理方面，支持EasyRec Processor和PAI-EAS推理服务，实现高效且灵活的风险控制特征管理，促进系统迭代优化。
阿里云人工智能平台图像视频特征提取
本文介绍了图像与视频特征提取技术在人工智能和计算机视觉中的应用，涵盖图像质量评分、人脸属性分析、年龄分析、图像多标签打标、图文视频动态分类打标、视频质量评分及视频分类打标。通过深度学习模型如CNN和RNN，这些技术能从海量数据中挖掘有价值信息，为图像分类、目标检测、视频推荐等场景提供支持，提升分析精度与效率。
跨越鸿沟：PAI-DSW 支持动态数据挂载新体验
本文讲述了如何在 PAI-DSW 中集成和利用 Fluid 框架，以及通过动态挂载技术实现 OSS 等存储介质上数据集的快速接入和管理。通过案例演示，进一步展示了动态挂载功能的实际应用效果和优势。
Restoring from checkpoint failed，Assign requires shapes of both tensors to match. lhs shape= [700,8] rhs shape= [660,8]
模型恢复出错，是特征参数不一致问题
企业级推荐开发平台 PAI-Rec
本文介绍了企业推荐系统的关键技术和解决方案。主要内容分为四部分：1) 推荐系统面临的挑战，如数据治理和算法优化；2) 提高开发效率的解决方案，通过配置化和自动化减少重复工作；3) 高性能推荐算法和推理服务，包括GPU优化和特征组合；4) 高效特征管理平台PAI FeatureStore，支持离线和实时特征处理。文中还提到了EasyRecTorch框架，用于加速训练和推理，并分享了如何通过这些工具提升推荐系统的性能和降低成本。
PAI训练服务：云上大模型训练新篇章
本文介绍了通用AI时代下的新训练方法及PAI平台的优化。随着大模型时代的到来，算力需求激增，硬件和网络通信成为瓶颈。PAI平台通过自动容错、3D健康检测等技术确保训练稳定性；通过资源配额、智能调度等提高性价比；并推出PAI-TorchAcc和PAI-ChatLearn两大引擎，分别实现高效训练加速和灵活的对齐训练，显著提升训练性能与效果。这些改进解决了大规模AI训练中的关键问题，提升了效率和稳定性。
AI推理新纪元，PAI全球化模型推理服务的创新与实践
本次分享主题为“AI推理新纪元，PAI全球化模型推理服务的创新与实践”，由阿里云高级产品经理李林杨主讲。内容涵盖生成式AI时代推理服务的变化与挑战、play IM核心引擎的优势及ES专属网关的应用。通过LM智能路由、多模态异步生成等技术，PAI平台实现了30%以上的成本降低和显著性能提升，确保全球客户的业务稳定运行并支持异地容灾，目前已覆盖16个地域，拥有10万张显卡的推理集群。
PAI年度发布：GenAI时代AI基础设施的演进
本文介绍了AI平台在大语言模型时代的新能力和发展趋势。面对推理请求异构化、持续训练需求及安全可信挑战，平台推出了一系列优化措施，包括LLM智能路由、多模态内容生成服务、serverless部署模式等，以提高资源利用效率和降低使用门槛。同时，发布了训推一体调度引擎、竞价任务等功能，助力企业更灵活地进行训练与推理任务管理。此外，PAI开发平台提供了丰富的工具链和最佳实践，支持从数据处理到模型部署的全流程开发，确保企业和开发者能高效、安全地构建AI应用，享受AI带来的红利。
免费试用