检测到您已登录华为云国际站账号，为了您更好的体验，建议您访问国际站服务网站 https://www.huaweicloud.com/intl/zh-cn
不再显示此消息
检测到您已登录华为云国际站账号，为了您更好的体验，建议您访问国际站服务网站 https://www.huaweicloud.com/intl/zh-cn
不再显示此消息
模型名称 说明 西南-贵阳一 Pangu-Predict-Table-Cla-2.0.0 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
使用数据工程构建预测大模型数据集 预测大模型支持接入的数据集类型 盘古预测大模型仅支持接入预测类数据集，不同模型所需数据见表1，该数据集格式要求请参见预测类数据集格式要求。 表1 预测大模型与数据集类型对应关系 基模型 模型分类 数据集内容 文件格式 预测大模型 时序预测模型 时序数据
中一些更复杂的内容。 图3 文本描述示例-视频片段描述 单击“下一步”，参考表1配置标注分配与审核。 表1 标注分配与审核配置 参数类型 参数名称 参数说明 标注分配 启用多人标注 关闭时，默认管理员单人标注。 启用时，可以指定参与标注的人员及标注数量。 标注要求 选择标注项为“
考，以提高标注效率。 单击“下一步”，可查看效果预览。 单击“下一步”，参考表1配置标注分配与审核。 表1 标注分配与审核配置 参数类型 参数名称 参数说明 标注分配 启用多人标注 关闭时，默认管理员单人标注。 启用时，可以指定参与标注的人员及标注数量。 标注要求 选择标注项为“
上下文：包含外部信息或额外的上下文信息，引导语言模型更好地响应。 输入数据：用户输入的内容或问题。 输出指示：指定输出的类型或格式。 提示词所需的格式取决于您希望语言模型完成的任务类型，并非所有以上要素都是必须的。 提示词工程使用流程 ModelArts Studio大模型开发平台可以辅助用
用路径，详见获取调用路径。 填写请求Header参数。 参数名为Content-Type，参数值为application/json。 参数名为X-Auth-Token，参数值为步骤1中获取的Token值。 参数名为stream，参数值为true。当前工作流仅支持流式调用。 在Postman中选择“Body
他用户调用时，原有Token认证无法支持，可通过AppCode认证调用请求。 参考表1填写请求Header参数。 表1 请求Header参数填写说明 认证方式 参数名 参数值 Token认证 Content-Type application/json X-Auth-Token T
不可用的低质量的数据。 训练模型 自监督训练： 不涉及 有监督微调： 该场景采用下表中的微调参数进行微调，您可以在平台中参考如下参数进行训练： 表2 问答模型的微调核心参数设置 训练参数 设置值 数据批量大小（batch_size） 4 训练轮数（epoch） 3 学习率（learning_rate）
选择需要调用的服务。可从“预置服务”或“我的服务”中选择。 填写系统人设。如“你是一个AI助手”，若不填写，将使用系统默认人设。 在页面右侧配置参数，具体参数说明见表1。 表1 NLP大模型能力调测参数说明 参数 说明 搜索增强 搜索增强通过结合大语言模型与传统搜索引擎技术，提升了搜索结果的相关性、准确性和智能化。
他用户调用时，原有Token认证无法支持，可通过AppCode认证调用请求。 参考表2填写请求Header参数。 表2 请求Header参数填写说明 认证方式 参数名 参数值 Token认证 Content-Type application/json X-Auth-Token T
_name、project_id、project_name，如图3。 图3 请求体参数获取 请求体参数配置完成后，单击“调试”，在响应结果中单击“响应头”，其中，X-Subject-Token参数的值为获取到的Token，如图4。 图4 获取Token值 获取的文本翻译API调用
请参考《API文档》检查请求参数中输入的token数值是否不在范围内，并重新调试API。 PANGU.3318 tolal ContentLength Illegal. Content长度不合法 请参考《API文档》检查请求参数中输入的Content参数长度是否不在范围内，并重新调试API。
{location}}的值，来获得模型回答，提升评测效率。 同时，撰写提示词过程中，可以通过设置模型参数来控制模型的生成行为，如调整温度、核采样、最大Token限制等参数。模型参数的设置会影响模型的生成质量和多样性，因此需要根据不同的场景进行选择。 登录ModelArts Studio大模型开发平台，进入所需空间。
问题二：文本翻译失败，如图2，工作流不输出翻译后的内容，始终处于提问状态。 图2 文本翻译失效 可能原因：如图3，提问器节点的Prompt指令配置有误，指令中的参数与节点配置的输出参数不对应。 图3 提问器节点配置错误示例 解决方法：按照图4，正确配置提问器节点的指令，配置正确后的试运行效果如图5。 图4 提问器节点配置正确示例
大模型微调训练类问题 无监督领域知识数据量无法支持增量预训练，如何进行模型学习 如何调整训练参数，使盘古大模型效果最优 如何判断盘古大模型训练状态是否正常 如何评估微调后的盘古大模型是否正常 如何调整推理参数，使盘古大模型效果最优 为什么微调后的盘古大模型总是重复相同的回答 为什么微调后的盘古大模型的回答中会出现乱码
状态码 HTTP状态码为三位数，分成五个类别：1xx：相关信息；2xx：操作成功；3xx：重定向；4xx：客户端错误；5xx：服务器错误。 状态码如下所示。 状态码 编码 状态说明 100 Continue 继续请求。 这个临时响应用来通知客户端，它的部分请求已经被服务器接收，且仍未被拒绝。
取Token”接口。并填写请求Header参数。 接口地址为：https://iam.cn-southwest-2.myhuaweicloud.com/v3/auth/tokens 请求Header参数名为Content-Type，参数值为application/json 图2 填写获取Token接口
问题三：存在重复数据。 删除重复数据。 略 略 训练模型 自监督训练： 不涉及 有监督微调： 本场景采用了下表中的微调参数进行微调，您可以在平台中参考如下参数进行训练： 表2 微调核心参数设置 训练参数 设置值 数据批量大小（batch_size） 8 训练轮数（epoch） 4 学习率（learning_rate）
在城市政务“一网统管”的场景中，往往建设有庞大复杂的城市事件类别体系，包含了繁多细碎的事项类别，如垃圾暴露、道路破损、围栏破损等，一个城市一般有几百种事件类别。同时，不同城市可能还有不同的标准，某城市关注某一些特定事件类别，另一个城市又关注另一些特定事件类别。因此，城市政务场景面临着众多碎片化AI需求场景。
实例都包括输入和期望的输出。 LoRA 局部微调（LoRA）是一种优化技术，用于在深度学习模型的微调过程中，只对模型的一部分参数进行更新，而不是对所有参数进行更新。这种方法可以显著减少微调所需的计算资源和时间，同时保持或接近模型的最佳性能。 过拟合 过拟合是指为了得到一致假设而使
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
