华为云用户手册

当前有哪些激励政策？ ①当前面向合作伙伴的激励政策： 《2023年合作伙伴生态核心图机会点共享专项激励》，该政策已过期，后续会延续，政策负责人盛亚会； ② 向华为云内部员工的激励政策：《SaaS销售专项激励》、《 华为云计算 云生态专项激励方案》； ③PCE的核心是商机互换，伙伴共享3个PO机会点即有可能获取华为的HO机会点，在共享商机过程中可获得华为云销售及服务支持，这是PCE面向伙伴的主要权益。 上述具体激励要求和标准请参看相关发文，以实际发文为准。 父主题： 机会点共享

MDF报销的类别有哪些？ 使用MDF开展的营销活动费用必须严格遵守国家法律法规，如有任何违反，华为云伙伴及相关人员需承担相应的法律责任。 MDF可报销的费用类别： 活动类型 描述 事件活动 面向最终用户： 展会、客户研讨会/现场会、第三方行业论坛、展厅、华为公司参观、巡展 数字营销 网站、EDM、搜索、APP、微信、微博等 媒体 广告（平面广告、多媒体广告等）、媒体宣传（新闻、软文、网络专题等） 其他 华为云伙伴自主策划的其他符合MDF使用规范的类型 费用类型 描述 事件活动 合规营销活动内包含的正常、合理的费用类型，包括并不限于场地费、赞助费、培训讲师费、会务公司服务费、餐饮费、交通费等 营销资料 产品资料（产品手册、彩页等）、成功案例集等 媒体相关 广告费（创意设计、印刷制作、投放等）、撰稿费、直邮费等 礼品 华为云伙伴批量定制常规拜访礼品，礼品单价不允许超200元 举办营销活动时允许有适当礼品，礼品费用不得超过人均200元人民币 MDF不可报销的费用类别： 礼品要求： 强调营销、宣传属性，定制或购买日常客户拜访礼品，与具体活动无关的礼品采购，MDF不予核销。 MDF核销礼品不得定向赠与，不得授予华为、伙伴会务工作人员，未发放部分不得核销。 严禁用于购买大额礼品，大额礼品价值标准依据区域自行制订和管理。 购买华为政企产品、 华为云产品 和服务。 华为券：华为相关认证的培训券和考试券（含HCIE、HCIP、HCIA等）、测试券、代金券等 华为大型活动门票：如生态大会、全联接大会等 娱乐费用：歌舞厅、卡拉OK、夜总会、文艺演出、演唱会、剧目、健身、俱乐部、景区门票、导游费、洗浴、足浴、美容美发等 代金卡/券：各种消费卡、购物卡、交通卡、话费充值卡 第三方协会会员费/客户邀请费用：加入盈利的第三方协会而收取的会员费用；第三方协会或组织客户邀请费用 私人性质：包括但不限于：私人学费、装饰装潢、婴儿/孕妇/儿童用品、玩具、个人服饰、 金银首饰、化妆品、皮带、手表、保健品、药品、体育用品(器材)、汽油费、学车、装饰装潢等 其他：设备类资产（如直播用手机、电视），销售管理软件、淘宝店铺 父主题： 市场发展基金（MDF）

伙伴要满足哪些条件才能收到华为云共享的商机（HO）？ 伙伴想要获得华为云共享的HO，在成功加入合作伙伴共拓计划后，满足如下两个条件之一，则有机会获得华为云共享的机会点HO： 1）伙伴发展路径进入“差异化”阶段； 2）伙伴发展路径进入“已认证”阶段且近12个月内有3个已经签单且完成交付的PO。。 注意：由于合作伙伴共拓计划还处于推广阶段，在HO中对伙伴Offering的类型存在一定的限制，要求伙伴有基线解决方案或白名单联营商品后，才能将HO与伙伴方案建立关联。请留意最新的Offering类型要求。 父主题： 由华为共享（HO）

伙伴提交商机（PO）时需要注意什么？ 1）PO商机必须是伙伴已经投入足够的努力，包括客户会谈、需求对齐、方案讨论等活动，从客户侧获得的确定性项目需求，不能是公开招标、道听途说、简单猜想的客户需求，且面向的客户是华为云的已有客户或者潜在客户。 2) 伙伴提交的PO应当满足：客户有采购或获取华为可提供的产品/服务/解决方案的意愿或规划，已经有初步的投资计划或预算，客户非常有可能在一年或更短的时间内进行采购，或者正处于采购计划的初期阶段，如顶层设计、需求规划、准备标书等。一旦机会点验证完成后，就可以投入销售资源，期待将此机会点转化成交易。 3）在共享商机给华为之前，需要获取客户的相关授权，避免在未经客户同意的情况下将客户敏感商业秘密提供给华为。 父主题： 共享给华为（PO）

伙伴加入合作伙伴共拓计划有哪些权益？ 伙伴加入合作伙伴共拓计划即可获得以下权益： 1）可访问华为云伙伴中心管理相关机会点； 2）可获得华为云业务支持； 3）可参与合作伙伴共享机会点的激励计划，详情请查看PCE具体激励计划要求描述。 伙伴满足如下两个条件之一，则有机会获得华为云共享的机会点HO： 1）伙伴发展路径进入“差异化”阶段； 2）伙伴发展路径进入“已认证”阶段且近12个月内有3个已经签单且完成交付的PO。 父主题： 机会点共享

组织人员默认权限说明 管理员为组织人员分配权限时，系统也将为该角色自动添加默认权限。 表1 默认权限说明 合作伙伴身份 角色默认权限 总经销商伙伴/云经销商伙伴/解决方案提供商伙伴 主页 账号 账户信息 查看账户余额 充值 提现 设置余额预警 伙伴信息 基本信息 查看公司信息 查看个人信息 查看账号信息 修改账号信息 管理我的凭证 支持 查看新闻动态 查看实名认证信息 软件合作伙伴/服务合作伙伴/数字化转型咨询与系统集成合作伙伴/学习与赋能合作伙伴 主页 账号 伙伴信息 基本信息 查看公司信息 查看个人信息 查看账号信息 修改账号信息 管理我的凭证 支持 方案 查看新闻动态 查看实名认证信息 父主题： 组织成员

PO机会点主要验证哪些环节？ ①重复处理原则： HO以Cloud CRM创建机会点的时间点为准，PO以机会点审核通过的时间点为准，时间更早的为准。应避免PO与HO重复，或者PO与PO重复。 ②有效性处理原则：经过客户负责人与客户交流确认后，如果存在下述任何一个问题，则驳回机会点： 客户确认机会点不存在，或者已完成交易 → 驳回 客户没有预算，或没有明确的下单时间 → 驳回 客户需求与华为云无关，无法从客户侧或者伙伴侧获得华为云增量收入 → 驳回 父主题： 共享给华为（PO）

MDF申报材料需要哪些？ 申报材料：MDF申报须严格按照验收要求提供证明及总结材料，进行规范化管理及闭环。 兑现材料类型 说明 真实性证明材料 现场照片 照片能够展示宣讲主题、华为Logo或横幅等华为元素、宣讲人、以及现场人数等； 照片能够从不同维度展示活动实际发生的各类费用（如场地、广告、营销资料、餐饮等）。例如，涉及采购礼品，必须有现场的礼品摆放照片；如作为奖品发放，需有颁奖或抽奖的照片。 说明： 如无实物交付或其他原因，不能提供相关照片，可用相关合同、结果呈现截图、酒店原始账单等真实性证明材料替代。 盖章水单 收款单位的盖章水单中，费用明细需与活动过程中实际发生的费用类别完全一致。例如，实际发生是“餐费”，则明细中必须是餐费，不得修改为“住宿费”等其他费用类别；采购鼠标作为礼品，明细中需体现“鼠标”； 如盖章水单和实际发生费用类别不一致，需说明不一致原因和生态合作负责人确认，并提供确认邮件作为核销材料。 发票扫描件 发票抬头为承办活动的华为云伙伴，即填写MDF申请电子流的华为云伙伴名称； 发票的票面金额需大于等于兑现申请中的实际核销金额。 广告及媒体宣传总结 总结在媒体、网站、刊物、微博、微信等媒介上的宣传报道与广告刊登情况，并附上相关合同、刊登页面截图或照片。 活动总结材料 总体工作总结 活动的时间、地点、参与人员等简要说明，对活动工作进行总体总结，说明各方面工作情况及结果，对整体效果及质量进行自我评价。 参会人员签到表 现场实际参会人员的签到表（如采用微信签到等原因无法提供签到表，请说明原因）。 机会点信息 凡是目标受众包含最终客户的活动，均需按要求录入相关机会点信息。 赞助合同 凡是赞助费，均需提供赞助合同（盖章文本）的扫描件。 赞助合同中列举的赞助权益，均需有相关照片等证明材料体现说明。 经验总结及改进建议 对品牌活动的前期策划筹备工作、会议议程等进行总结，描述在本次品牌活动的经验和教训，并提出改进建议，以指导以后类似活动的开展工作，并为其他品牌活动提供依据或参考。 客户的反馈评价 参加活动的客户对本次活动的评价。 父主题： 市场发展基金（MDF）

MDF使用过程中有哪些重要规范点？ 严格按照“事前计划－事中监控－事后总结”的要求进行闭环和规范化管理。 与具体活动无关的礼品采购不得使用MDF。 合作伙伴同一营销活动不得拆单，不得在多个伙伴计划中重复享受激励，不得虚报费用。一旦违规，华为将取消该伙伴当年度申请MDF资格，并予以处罚。 注：拆单是指将一项大额活动费用拆分成两张或以上发票开具，然后分次提交报销单或者分别由不同员工提交报销单，从而绕开系统强制要求提交权签人审批的行为，场景包括但不限于： 同一时间、事项及目的产生的费用分次报销。 同一时间、事项及目的产生的费用分多人报销。 同一活动，按发票时间段分次报销。 同一活动按费用类型分次报销。 其他认定为拆单的场景。 父主题： 市场发展基金（MDF）

创建插件 创建插件的步骤如下： 登录ModelArts Studio大模型开发平台，在“我的空间”模块，单击进入所需空间。 在左侧导航栏中选择“Agent开发”，跳转至Agent开发平台。 单击左侧导航栏“工作台”，在“插件”页签，单击右上角“创建插件”。 在“创建插件”页面，填写插件名称与插件描述，单击图片可上传插件图标，单击“下一步”。 在“配置信息”页面，参照表1完成信息配置。 表1 插件信息配置说明 参数名称 参数说明 插件URL 插件服务的请求URL地址。 URL协议只支持HTTP和HTTPS。 系统会校验URL地址是否为标准的URL格式。 URL对应的IP默认不应为内网，否则会导致注册失败。仅在非商用环境部署时，才允许支持内网URL，且需要通过相关的服务的启动配置项关闭内网屏蔽。 请求方法 插件服务的请求方式，POST或GET。 鉴权校验 插件服务的鉴权方式，支持以下三种： 无需鉴权：不使用鉴权时会存在安全风险。 用户级鉴权：通过验证用户身份来控制对个人数据的访问，通常使用Header或Query中的密钥参数（如Token）进行鉴权，适用于需要权限控制的场景，安全性较高。 API Key鉴权：通过唯一的API Key来认证应用之间的访问权限，可以使用Header鉴权或Query鉴权的方式，需要提供密钥鉴权参数名和密钥值，安全性较低。 请求头 插件服务的请求头。添加请求的数据格式等说明，敏感信息请通过权限校验的方式实现。 自定义插件使用HTTP服务，或不增加鉴权方式可能存在安全风险。 单击“下一步”，在“参数信息”页面，参照表2完成参数配置。 表2 插件参数配置说明 参数类型 参数名称 参数说明 请求参数 参数名称 参数的名称，长度为1 ~ 50个字符，参数名称会作为大模型解析参数含义的依据。 参数描述 参数的描述，长度为1 ~ 200个字符，参数描述会作为大模型解析参数含义的依据。 参数类型 该参数值的数据类型，当前支持三种类型。 String：字符串类型 Integer：四字节整型 Number：八字节浮点数 请求方式 默认以Body方式请求。 是否必填 指定该参数是否为必填项。 打开开关：必填 关闭开关：非必填 默认值 参数的默认值，如果插件服务的入参生成缺失，默认值会在大模型解析时被使用。 响应参数 参数名称 响应参数的名称，长度为1 ~ 50个字符，参数名称会作为大模型解析大模型输出结果的依据。 参数描述 响应参数的名称，长度为1 ~ 200个字符，参数描述会作为大模型解析大模型输出结果的依据。 参数类型 该参数值的数据类型，当前支持三种类型。 String：字符串类型 Integer：四字节整型 Number：八字节浮点数 是否必填 指定该参数是否为必填项。 打开开关：必填 关闭开关：非必填 父主题： 创建与管理插件

工作流常见错误码与解决方案 工作流常见报错及解决方案请详见表1。 表1 工作流节点常见报错与解决方案 模块名称 错误码 错误描述 解决方案 开始节点 101501 开始节点全局配置未传入值。 开始节点错误，请联系客服解决。 结束节点 101531 结束节点初始化失败。 检查结束节点配置，可能为校验报错。 101532 结束节点模板拼接失败。 先检查模板占位符与输入是否匹配，请联系客服解决。 101533 结束节点流式处理失败。 请联系客服解决。 大模型节点 101561 大模型节点初始化失败。 检查大模型节点配置，可能为校验报错。 代码节点 101591 代码组件初始化失败。 检查代码节点配置，可能为校验报错。 101592 代码节点安全沙箱请求失败。 请联系客服解决。 101593 代码节点安全沙箱执行失败。 检查代码的语法是否有误，检查是否用到了未引用的变量。 101594 代码组件安全沙箱其他报错。 请联系客服解决。 101595 代码节点执行失败未知错误。 请联系客服解决。 消息节点 101651 消息组件初始化失败。 检查消息节点配置，可能为校验报错。 101652 消息节点缺少模板信息。 配置消息节点的提示词模板。 101653 消息节点模板拼接错误。 先检查模板占位符与输入是否匹配，若仍无法解决，请联系客服解决。 101654 消息组件执行失败。 请联系客服解决。 101655 消息组件异步执行失败。 请联系客服解决。 意图识别节点 101098 意图识别prompt模板请求失败。 检查模板占位符与输入是否匹配。 101097 意图识别调用大模型的prompt不符合模型输入的规范。 检查输入的prompt格式，消息的角色和内容。 101096 意图识别调用大模型失败。 检查消息的格式，内容以及大模型服务是否正常。 101095 意图识别用户query输入/引用解析失败。 检查用户query格式和内容。 101094 意图识别prompt模板构建失败。 检查内置模板以及输入的system prompt格式与内容。 提问器节点 101043 当单个提问器内的对话轮数超过预设轮数上限时触发该错误码，对话状态回到开始节点状态。 可通过调大对话轮数上限解决。 101047 初始化深度定制前后处理模块失败时触发该错误码。 可检查护栏配置是否符合要求。 101048 执行深度定制用户回复改写（前处理）失败时触发该错误码。 可检查前处理护栏代码。 101049 执行深度定制大模型生成的参数取值改写（后处理）失败时触发该错误码。 可检查后处理护栏代码。 101050 执行默认护栏（时间参数解析）失败时触发该错误码。 可检查支持处理的时间类型是否超出支持范围。 102053 提示词模板有误时触发该错误码。 检查提示词模板是否格式有误。 103004 大模型推理失败时触发该错误码。 请检查模型服务是否可以正常运行。 插件节点 101741 插件组件初始化失败。 检查插件组件配置，可能为校验报错。 101742 工作流插件节点参数类型转换时出错。 根据error message确定具体转换出错的参数名称，并确认类型是否正确。 101743 工作流插件节点的input在插件定义中不存在。 检查插件定义和对应的组件定义是否匹配。 101744 插件定义了response，但实际插件执行结果与定义不一致。 检查插件response定义和实际插件执行结果是否匹配。 101745 工作流插件节点执行出错。 插件执行出错，可以根据具体的error message信息定位。如果message无有效信息，说明该错误属于未捕获到的异常。 105001 插件执行时发生了无法捕获的异常。 检查插件本身是否可用。 105004 插件定义时check param error。 根据对应error message信息确定具体出错的参数定义。 105005 插件定义不合法。 插件定义时的数据不合法，例如字段定义超出最长长度，具体根据error message判断。 105008 插件内部错误。 请联系客服解决。 105010 插件运行时鉴权出错。 可根据error message信息确定具体出错的鉴权问题，并检查鉴权信息的传递和插件鉴权定义是否正确。 105011 插件运行返回的响应代码非200。 可根据报信息查看实际的http返回码。 105012 插件request请求超时。 插件请求超时，检查插件服务。 105013 插件返回结果过大。 当前支持10M大小的返回，超过此大小会报错。 105014 插件request proxy error。 请检查插件服务是否有问题导致无法连接。 认证鉴权 110000 认证失败。 查看认证配置。 110001 用户信息获取失败。 查看用户信息是否正确配置。 工作流 112501 工作流认证失败。 查看认证配置。 112502 缺少必要参数。 从打印日志可以看出当前缺失何种参数。 112503 工作流连接数据库失败。 请联系客服解决。 112504 缺少必要权限。 查看当前用户权限。 112513 工作流流程中存在死循环。 检查工作流画布。 112514 工作流被引用，无法删除。 查看知识型应用中是否引用了该工作流。

CV大模型选择建议 选择合适的CV大模型类型有助于提升训练任务的准确程度。您可以根据模型适用场景，选择合适的模型，从而提高模型的整体效果，详见表1。 表1 CV大模型的类型 模型名称 适用场景 说明 Pangu-CV-ObjectDetection-N-2.1.0 该模型属于物体检测模型，旨在识别图像中的所有感兴趣目标，定位其位置并确定其类别。适用于各种任务，如：积水检测、占道经营检测、人员离岗检测、动植物检测、工业缺陷检测等。 2024年12月发布的版本，支持全量微调、在线推理。 物体检测-N模型为中参数量模型，在保证计算效率的同时，具备较强的特征识别能力，提供高效的性能表现。

训练预测大模型所需数据量 训练预测大模型时，所需的数据通常为表格格式，即由行和列组成的扁平化数据。具体要求如下： 行：每行代表一个样本。每行与其他行具有相同的列，并且顺序相同，这些行通常按照某种特定顺序排列。 列：每列表示一种特征。每列的数据类型应保持一致，不同列可以具有不同的数据类型。 顺序：表格中的行通常按照特定顺序排列。 行数：数据表的行数应大于5000行。 维度：数据的维度（列数）应大于10维。 数据完整性：必须确保数据中没有缺失值。

构建预测大模型数据集流程 在ModelArts Studio大模型开发平台中，使用数据工程构建盘古预测大模型数据集流程见表2。 表2 盘古预测大模型数据集构建流程 流程 子流程 说明 操作指导 导入数据至盘古平台 创建导入任务 将存储在OBS服务中的数据导入至平台统一管理，用于后续加工或发布操作。 导入数据至盘古平台 发布预测类数据集 流通预测类数据集 数据流通是将单个数据集发布为特定格式的“发布数据集”，用于后续模型训练等操作。 发布预测类数据集

应用介绍 在Agent开发平台上，用户可以构建两种类型的应用： 知识型Agent：以大模型为任务执行核心，适用于文本生成和文本检索任务，如搜索问答助手、代码生成助手等。用户通过配置Prompt、知识库等信息，使得大模型能够自主规划和调用工具。 优点：零代码开发，对话过程智能化。 缺点：大模型在面对复杂的、长链条的流程时可能会受到输入长度限制，难以有效处理较为复杂的工作流。 流程型Agent：以工作流为任务执行核心，用户可以通过在画布上“拖拽”节点来搭建任务流程。支持编排的节点类型包括：大模型节点、意图识别节点、提问器节点、插件节点、判断节点、代码节点、消息节点。 优点：高度可扩展，支持低代码开发。 缺点：对话交互的智能度较低，复杂场景下流程分支较多，维护难度较大。 父主题： 编排与调用应用

知识库介绍 平台提供了知识库功能来管理和存储数据，支持为应用提供自定义数据，并与之进行互动。 知识库支持导入以下格式的本地文档： 文本文档数据。支持上传常见文本格式，包括：txt、doc、docx、pdf、ppt、pptx格式。 表格数据。支持上传常见的表格文件格式，便于管理和分析结构化数据，包括：xlsx、xls、csv格式。 无论是文本文档、演示文稿，还是电子表格文件，用户都可以轻松地将数据导入知识库，无需额外的转换或格式处理。 父主题： 创建与管理知识库

预测大模型训练常见报错与解决方案 预测大模型训练常见报错及解决方案请详见表1。 表1 预测大模型训练常见报错与解决方案 常见报错 问题现象 原因分析 解决方案 创建训练任务时，数据集列表为空。 创建训练任务时，数据集选择框中显示为空，无可用的训练数据集。 数据集未发布。 请提前创建与大模型对应的训练数据集，并完成数据集发布操作。 训练日志提示“root: XXX valid number is 0” 日志提示“root: XXX valid number is 0”，表示训练集/验证集的有效样本量为0，例如： INFO: root: Train valid number is 0. 该日志表示数据集中的有效样本量为0，可能有如下原因： 数据未标注。 标注的数据不符合规格。 请检查数据是否已标注或标注是否符合算法要求。 训练日志提示“ValueError: label_map not match” 训练日志中提示“ValueError: label_map not match”，并打印出标签数据，例如： ValueError: label_map not match. {1:'apple', 2:'orange', 3:'banana', 4:'pear'} & {1:'apple', 2:'orange', 3:'banana'} 训练集中的标签个数与验证集中的个数不一致，导致该错误发生。 例如，训练集中的标签共有4个，验证集中的标签只有3个。 请保持数据中训练集和验证集的标签数量一致。 父主题： 训练预测大模型

获取训练日志 单击训练任务名称，可以在“日志”页面查看训练过程中产生的日志。 对于训练异常或失败的任务可以通过训练日志定位训练失败的原因。典型训练报错和解决方案请参见预测大模型训练常见报错与解决方案。 训练日志可以按照不同的节点（训练阶段）进行筛选查看。分布式训练时，任务被分配到多个工作节点上进行并行处理，每个工作节点负责处理一部分数据或执行特定的计算任务。日志也可以按照不同的工作节点（如worker-0表示第一个工作节点）进行筛选查看。 图1 获取训练日志

查看训练指标 对于训练状态为“已完成”的任务，单击任务名称，可在“训练结果”页面查看训练指标，模型的训练指标介绍请参见表2。 表2 训练指标说明 模型 训练指标 指标说明 预测大模型 拟合度 拟合度是一种衡量模型对数据拟合程度的指标。数值范围为0到1，数值越接近1，表示模型对数据的拟合程度越好。 均方根误差 均方根误差是预测值与真实值之间差异的平方和的均值的平方根。它用于衡量模型预测值与实际值之间的偏差，数值越小，表明模型预测的精度越高。 平均绝对误差 平均绝对误差是预测值与真实值之间绝对误差的均值。它同样用于衡量模型预测值与实际值之间的差异，数值越小，表明模型预测的准确性越高。 真实值和预测值 真实值和预测值在图表中的对比情况。 准确率 模型预测结果中，所有预测正确的样本占总样本的比例。数值越高，模型效果越好。 精准率 精准率是指在模型预测为正类的样本中，真正类样本的比例。数值越高，表明模型在检测正类样本时的准确性越高。 召回率 召回率是指在所有实际为正类的样本中，被模型正确预测为正类的比例。数值越高，表明模型在检测正类样本时的全面性越高。

查看模型训练状态 在模型训练列表中查看训练任务的状态，各状态说明详见表1。 表1 训练状态说明 训练状态 训练状态含义 初始化 模型训练任务正在进行初始化配置，准备开始训练。 已完成 模型训练已完成。 运行中 模型正在训练中，训练过程尚未结束。 创建失败 训练任务创建失败。 训练失败 模型训练过程中出现了非预期的异常情况，需查看日志定位训练异常原因。 训练异常 模型训练过程中出现了非预期的异常情况，需查看日志定位训练异常原因。 已停止 模型训练已被用户手动停止。

使用“能力调测”调用科学计算大模型 能力调测功能支持用户调用预置或训练后的科学计算大模型。使用该功能前，请完成模型的部署操作，步骤详见创建科学计算大模型部署任务。 使用“能力调测”调用科学计算大模型可实现包括全球中期天气要素预测、全球中期降水预测、全球海洋要素、区域海洋要素、全球海洋生态、全球海浪高度场景的预测能力。具体步骤如下： 登录ModelArts Studio大模型开发平台，在“我的空间”模块，单击进入所需空间。 在左侧导航栏中选择“能力调测”，单击“科学计算”页签。 根据不同场景完成页面参数配置。 天气/降水预测场景的参数配置，请参考表1。 表1 科学计算大模型能力调测参数说明（天气/降水预测） 参数 说明 场景 支持选择全球中期天气要素预测、全球中期降水预测。 全球中期天气要素预测：通过该模型可以对未来一段时间的天气进行预测。 全球中期降水预测：通过该模型可以对未来一段时间的降水情况进行预测。 模型服务 支持选择用于启动推理作业的模型。 中期天气要素模型包括1h分辨率、3h分辨率、6h分辨率、24小时分辨率模型，即以起报时刻开始，分别可以逐1h、3h、6h、24h往后进行天气要素的预测。 中期天气要素模型包括6h分辨率模型，即以起报时刻开始，可以逐6h往后进行降水情况的预测。 结果存储路径 用于存放模型推理结果的OBS路径。 输入数据 支持选择用于存放作为初始场数据的文件路径。 预报天数 支持选择以起报时间点为开始，对天气要素或降水进行预报的天数，范围为1~14天。 起报时间 支持选择多个起报时间作为推理作业的开始时间，每个起报时间需为输入数据中存在的时间点。 表面变量 支持选择推理结果输出的表面变量，包括10m u风、10m v风、2米温度、海平面气压，没有选择的变量推理结果将不输出。 高空变量 设置高空变量参数，包括：4个表面层特征（10m u风、10m v风、2米温度、海平面气压），13高空层次（1000、925、850、700、600、500、400、300、250、200、150、100、50hPa）的5个高空层特征（重力位势、u风、v风、比湿、温度），分辨率为25km*25km的网格数据。 集合预报 用于选择是否开启集合预报。 在气象预报中，集合预报是指对初始场加入一定程序的扰动，使其生成一组由不同初始场预报的天气预报结果，从而提供对未来天气状态的概率信息。这种方法可以更好地表达预报的不确定性，从而提高预报的准确性和可靠性。 集合成员数 用于选择生成预报的不同初始场的数量，取值为2~10。 扰动类型 用于选择生成集合预报初始场的扰动类型，包括perlin加噪和CNOP加噪两种方式。 Peilin噪音通过对输入数据（比如空间坐标）进行随机扰动，让模拟出的天气接近真实世界中的变化。 CNOP噪音通过在初始场中引入特定的扰动来研究天气系统的可预报性，会对扰动本身做一定的评判，能够挑选出预报结果与真实情况偏差最大的一类初始扰动。这些扰动不仅可以用来识别最可能导致特定天气或气候事件的初始条件，还可以用来评估预报结果的不确定性。 初始扰动数量 用于选择集合预报的CNOP初始扰动数量。 在CNOP的加噪方式中，会先对初始场进行一定数量的加噪得到一组加噪后的初始场，然后从这组初始场中选择能量变化最大的初始场作为集合预报的初始场，启动推理作业。 ensemble_noise_perlin_scale 用于选择集合预报的Perlin加噪强度。 ensemble_noise_perlin_x 用于选择集合预报的Perlin加噪x经度方向的尺度。 ensemble_noise_perlin_octave 用于选择集合预报的Perlin加噪octave。Perlin噪音的octave指的是噪音的频率，在生成Perlin噪音时，可以将多个不同频率的噪音叠加在一起，以增加噪音的复杂度和细节。每个频率的噪音称为一个octave，而叠加的octave数越多，噪音的复杂度也就越高。 ensemble_noise_perlin_y 用于选择集合预报的Perlin加噪y纬度方向的尺度。 输出设置 用于选择是否输出图片结果。 天气/降水预测场景的参数配置示例如下： 图1 调测科学计算大模型示例1（天气/降水预测） 图2 调测科学计算大模型示例2（天气/降水预测） 海洋类预测场景的参数配置，请参考表2。 表2 科学计算大模型能力调测参数说明（海洋类预测） 参数 说明 场景 支持选择全球海洋要素、区域海洋要素、全球海洋生态、全球海浪高度。 全球海洋要素：实现预测全球范围内海面高度， 温度、盐度、海流速度纬向分量和海流速度经向分量变量。 区域海洋要素：实现预测特定区域范围内海面高度， 温度、盐度、海流速度纬向分量和海流速度经向分量变量。 全球海洋生态：实现预测全球范围内的叶绿素浓度、硅藻浓度等8种生态变量。 全球海浪高度：实现预测有效波高的变量。 模型服务 支持选择用于启动推理作业的模型。 结果存储路径 用于存放模型推理结果的OBS路径。 输入数据 支持选择用于存放作为初始场数据的文件路径。 预报天数 支持选择以起报时间点为开始，对海洋模型预测参数进行预报的天数，范围为1~14天。 起报时间 支持选择多个起报时间作为推理作业的开始时间，每个起报时间需为输入数据中存在的时间点。 海表变量 用于描述海洋表面及其生态系统状态的具体指标，尤其是在海洋模型中用于模拟海洋生态和物理过程的输入变量。包括海平面气压、海表高度、总叶绿素浓度、叶绿素浓度、硅藻浓度、颗石藻浓度、蓝藻浓度、铁浓度、硝酸盐浓度、混合层深度、海表高度、有效波高等指标。不同模型的指标以页面展示为准。 深海变量 用于描述海洋深层的物理和化学特性，这些参数在海洋模型中用于模拟海洋内部的动态和状态。包括海温、海盐、海流径向速率、海流纬向速率等。 输出设置 用于选择是否输出图片结果。 海洋类预测场景的参数配置示例如下： 图3 调测科学计算大模型示例（海洋类预测） 父主题： 调用科学计算大模型

CV大模型训练常见报错与解决方案 CV大模型训练常见报错及解决方案请详见表1。 表1 CV大模型训练常见报错与解决方案 常见报错 问题现象 原因分析 解决方案 创建训练任务时，数据集列表为空。 创建训练任务时，数据集选择框中显示为空，无可用的训练数据集。 数据集未发布。 请提前创建与大模型对应的训练数据集，并完成数据集发布操作。 训练日志提示“root: XXX valid number is 0” 日志提示“root: XXX valid number is 0”，表示训练集/验证集的有效样本量为0，例如： INFO: root: Train valid number is 0. 该日志表示数据集中的有效样本量为0，可能有如下原因： 数据未标注。 标注的数据不符合规格。 请检查数据是否已标注或标注是否符合算法要求。 训练日志提示“ValueError: label_map not match” 训练日志中提示“ValueError: label_map not match”，并打印出标签数据，例如： ValueError: label_map not match. {1:'apple', 2:'orange', 3:'banana', 4:'pear'} & {1:'apple', 2:'orange', 3:'banana'} 训练集中的标签个数与验证集中的个数不一致，导致该错误发生。 例如，训练集中的标签共有4个，验证集中的标签只有3个。 请保持数据中训练集和验证集的标签数量一致。 父主题： 训练CV大模型

构建CV大模型数据集流程 在ModelArts Studio大模型开发平台中，使用数据工程构建盘古CV大模型数据集流程见表2。 表2 盘古CV大模型数据集构建流程 流程 子流程 说明 操作指导 导入数据至盘古平台 创建导入任务 将存储在OBS服务中的数据导入至平台统一管理，用于后续加工或发布操作。 导入数据至盘古平台 加工图片、视频类数据集 清洗图片、视频类数据集 通过专用的清洗算子对数据进行预处理，确保数据符合模型训练的标准和业务需求。不同类型的数据集使用专门设计的算子，例如去除噪声、冗余信息等，提升数据质量。 清洗图片类数据集、清洗视频类数据集 标注图片、视频类数据集 为无标签数据集添加准确的标签，确保模型训练所需的高质量数据。平台支持人工标注和AI预标注两种方式，用户可根据需求选择合适的标注方式。数据标注的质量直接影响模型的训练效果和精度。 标注图片类数据集、标注视频类数据集 发布图片、视频类数据集 评估图片、视频类数据集 平台预置了多种数据类型的基础评估标准，包括NLP、视频和图片数据，用户可根据需求选择预置标准或自定义评估标准，从而精确优化数据质量，确保数据满足高标准，提升模型性能。 评估图片类数据集、评估视频类数据集 配比图片类数据集 数据配比是将多个数据集按特定比例组合并发布为“发布数据集”的过程。通过合理的配比，确保数据集的多样性、平衡性和代表性，避免因数据分布不均而引发的问题。 配比图片类数据集 流通图片、视频类数据集 数据流通是将单个数据集发布为特定格式的“发布数据集”，用于后续模型训练等操作。 平台支持发布的数据集格式为默认格式、盘古格式。 默认格式：平台默认的格式。 盘古格式：训练盘古大模型时，需要发布为该格式。当前仅文本类、图片类数据集支持发布为盘古格式。 流通图片类数据集、流通视频类数据集

训练CV大模型所需数据量 初期启动训练时，每种模型类别先提供1000张已标注的图片数据进行训练，后续根据验证结果再动态提供数据迭代。 图片中需要识别的目标是清晰可见的，没有遮挡、模糊等特征破坏问题。图片中的目标大小显著，目标物体在不放大图片的情况下人眼清晰可见。 画面光照良好，如果是在恶劣天气、户外、晚上等光照不好的场景，需要有补光设备保证良好的光照条件，需要保障在图片中人眼能清晰辨别目标。 图片分辨率大于640x640 px，关于拍摄角度、距离、分辨率等画面拍摄条件，需要保证训练集图片和测试部署时的图片保持一致。

NLP大模型评测指标说明 NLP大模型支持自动评测与人工评测，各指标说明如表1、表2、表3。 表1 NLP大模型自动评测指标说明-不使用评测模板 评测指标（自动评测-不使用评测模板） 指标说明 F1_SCORE 精准率和召回率的调和平均数，数值越高，表明模型性能越好。 BLEU-1 模型生成句子与实际句子在单字层面的匹配度，数值越高，表明模型性能越好。 BLEU-2 模型生成句子与实际句子在词组层面的匹配度，数值越高，表明模型性能越好。 BLEU-4 模型生成结果和实际句子的加权平均精确率，数值越高，表明模型性能越好。 ROUGE-1 模型生成句子与实际句子在单个词的相似度，数值越高，表明模型性能越好。 ROUGE-2 模型生成句子与实际句子在两个词的相似度，数值越高，表明模型性能越好。 ROUGE-L 模型生成句子与实际句子在最长公共子序列的相似度，数值越高，表明模型性能越好。 PRECISION 问答匹配的精确度，模型生成句子与实际句子相比的精确程度，数值越高，表明模型性能越好。 表2 NLP大模型自动评测指标说明-使用评测模板 评测指标（自动评测-使用评测模板） 指标说明 评测得分 每个数据集上的得分为模型在当前数据集上的通过率；评测能力项中若有多个数据集则按照数据量的大小计算通过率的加权平均数。 综合能力 综合能力是计算所有数据集通过率的加权平均数。 表3 NLP大模型人工评测指标说明 评测指标（人工评测） 指标说明 准确性 模型生成答案正确且无事实性错误。 average 模型生成句子与实际句子基于评估指标得到的评分后，统计平均得分。 goodcase 模型生成句子与实际句子基于评估指标得到的评分后，统计得分为5分的占比。 badcase 模型生成句子与实际句子基于评估指标得到的评分后，统计得分1分以下的占比。 用户自定义的指标 由用户定义的指标，如有用性、逻辑性、安全性等。

插件介绍 在Agent开发平台中，插件是大模型能力的重要扩展。通过模块化方式，插件能够为大模型提供更多专业技能和复杂任务处理能力，使其在多样化的实际场景中更加高效地满足用户需求。 通过插件接入，用户可以为应用赋予大模型本身不具备的能力。插件提供丰富的外部服务接口，当任务执行时，模型会根据提示词感知适用的插件，并自动调用它们，从外部服务中获取结果并返回。这样的设计使得Agent能够智能处理复杂任务，甚至跨领域解决问题，实现对复杂问题的自动化处理。 Agent开发平台支持两种类型的插件： 预置插件：平台为开发者和用户提供了预置插件，直接可用，无需额外开发。例如，平台提供的“Python解释器插件”能够根据用户输入的问题自动生成Python代码，并执行该代码获取结果。此插件为Agent提供了强大的计算、数据处理和分析功能，用户只需将其添加到应用中，即可扩展功能。 自定义插件：为了满足更个性化的需求，平台允许开发者创建自定义插件，支持将API通过配置方式快速创建为插件，并供Agent调用。这样，开发者可以根据特定需求为应用增加专属功能。 父主题： 创建与管理插件

获取训练日志 单击训练任务名称，可以在“日志”页面查看训练过程中产生的日志。 对于训练异常或失败的任务可以通过训练日志定位训练失败的原因。典型训练报错和解决方案请参见CV大模型训练常见报错与解决方案。 训练日志可以按照不同的节点（训练阶段）进行筛选查看。分布式训练时，任务被分配到多个工作节点上进行并行处理，每个工作节点负责处理一部分数据或执行特定的计算任务。日志也可以按照不同的工作节点（如worker-0表示第一个工作节点）进行筛选查看。 图2 获取训练日志

查看模型训练状态 在模型训练列表中查看训练任务的状态，各状态说明详见表1。 表1 训练状态说明 训练状态 训练状态含义 初始化 模型训练任务正在进行初始化配置，准备开始训练。 已完成 模型训练已完成。 运行中 模型正在训练中，训练过程尚未结束。 创建失败 训练任务创建失败。 训练失败 模型训练过程中出现了非预期的异常情况，需查看日志定位训练异常原因。 训练异常 模型训练过程中出现了非预期的异常情况，需查看日志定位训练异常原因。 已停止 模型训练已被用户手动停止。

查看训练指标 对于训练状态为“已完成”的任务，单击任务名称，可在“训练结果”页面查看训练指标，模型的训练指标介绍请参见图1。 图1 查看训练指标 表2 训练指标说明 模型 训练指标 指标说明 CV大模型 训练损失值 训练损失值是一种衡量模型预测结果和真实结果之间的差距的指标，通常情况下越小越好。 一般来说，一个正常的Loss曲线应该是单调递减的，即随着训练的进行，Loss值不断减小，直到收敛到一个较小的值。 频率加权交并比 频率加权交并比是指模型在预测多个类别时，对每个类别的交并比进行加权平均后得到的值，权重是每个类别在数据集中出现的频率。这个指标用来衡量模型在各个类别上的总体性能，数值越高，表明模型性能越好。 平均精度 平均精度用于衡量模型在不同类别上的检测准确率。数值越高，表明模型性能越好。 平均交并比 平均交并比是所有类别的交并比的平均值。数值越高，表明模型在所有类别上的性能越好。 像素精度 像素精度表示模型正确分类的像素数量占总像素数量的比例。数值越高，表明模型性能越好。 精准率 精准率是指在模型预测为正类的样本中，真正类样本的比例。数值越高，表明模型在检测正类样本时的准确性越高。 召回率 召回率是指在所有实际为正类的样本中，被模型正确预测为正类的比例。数值越高，表明模型在检测正类样本时的全面性越高。

预测大模型选择建议 选择合适的预测大模型类型有助于提升训练任务的准确程度。您可以根据模型适用场景，选择合适的模型，从而提高模型的整体效果，详见表1。 表1 预测大模型的类型 模型名称 适用场景 说明 Pangu-Predict-Table-Cla-2.0.0 该模型属于分类模型，用于预测离散类别，可以应用于各种分类任务。 矿山行业：进行智能洗选，例如根据煤炭的特征，将煤炭分类，提高洗选效率，降低能耗。 油气行业：进行地质分层，例如基于地质数据，对不同地层进行分类，识别储层和非储层，提高勘探和开发效率。进行岩性识别，例如对不同岩石类型进行分类，帮助识别岩石的性质和特征，指导钻井和开采。进行流体识别，例如根据测井数据，识别储层中的油、气、水等流体类型。 2024年12月发布的版本，支持分析历史数据中的特征与类别的关系，学习出一种映射规则或函数，然后应用这个规则对未来未知的数据点进行分类。 Pangu-Predict-Table-Reg-2.0.0 该模型属于回归模型，用于预测连续性数值，在工业场景中广泛用于工艺参数和性能指标的预测。 矿山行业：进行智慧配煤，例如预测焦炭成分质量，优化配煤比例，提高焦炭质量，降低生产成本。进行智能浓缩，例如预测焦炭成分质量，优化配煤比例，提高焦炭质量，降低生产成本。 油气行业：进行储层参数预测，例如预测储层的物理参数，如孔隙度、渗透率等，提高油气资源的开发利用效率。进行产能分级预测，例如预测油井的产能等级，优化油气生产计划。 电力行业：进行电力负荷预测，例如根据历史负荷数据，预测未来的电力负荷，优化电力生产和调度。 钢铁行业：进行钢水温度预测，例如预测钢水温度，提高浇注和连铸的准确性和效率。 2024年12月发布的版本，支持根据已知的输入变量（特征）来预测一个连续型输出变量（目标变量）。 Pangu-Predict-Table-Anom-2.0.0 该模型属于异常检测模型，用于识别数据集中的异常或离群点，常应用于安全、质量控制等领域。 矿山行业：进行设备故障检测，例如监控设备运行数据，识别异常行为，防止设备故障。 电力行业：进行电网异常检测，例如监控电网运行状态，识别异常情况，防止电网故障。 2024年12月发布的版本，支持识别数据集中不符合预期模式或行为的数据点。 Pangu-Predict-Table-TimSeries-2.0.0 该模型属于时间序列预测模型，用于基于时间序列数据预测未来值。 生成计划排期：根据历史生产数据和市场需求，预测未来的生产需求，优化生产计划。 2024年12月发布的版本，支持根据历史时间序列数据来预测未来的值，广泛应用于金融、销售预测、天气预报、能源消耗预测等领域。