应用场景
深度学习 对于持续且大量的人工神经网络计算的深度学习场景，阿里云推荐GPU实例，不但性能表现卓越，同时大量节省成本。此外，GPU计算型还可以降低客户端的计算能力要求，适用于图形处理、云游戏云端实时渲染、AR/VR的云端实时渲染等瘦终端...
创建及管理数据集加速槽
挂载点只支持被同一VPC网络的训练集群挂载。使用灵骏智算资源场景时，挂载点类型 需选择VPC，且选择的VPC和交换机需要与灵骏智算资源一致。启动自动回收 打开 启动自动回收 开关，您可以配置数据集加速槽的运行时间或停止时间，等到指定...
基于eGPU优化套件的ResNet50模型训练和推理
本文以卷积神经网络模型ResNet50的训练和推理为例，为您介绍如何通过Docker或Kubernetes使用eGPU优化套件，进行GPU容器虚拟化和资源共享。本实践中的ResNet50模型基于NVIDIA官方开源代码DeepLearningExamples实现。步骤一：准备模型和数据...
云产品依赖与授权：Designer
通用训练资源：Designer中提供了基于通用训练资源进行训练的深度学习算法，且自定义 Python脚本 组件也依赖通用训练资源，推荐您在使用前进行开通和授权。说明 您可以登录 PAI控制台 后单击 开通和授权>全部云产品依赖 查看各功能模块依赖...
Sambert语音合成
提供SAMBERT+NSFGAN深度神经网络算法与传统领域知识深度结合的文字转语音服务，兼具读音准确，韵律自然，声音还原度高，表现力强的特点。语音合成API基于达摩院改良的自回归韵律模型，具有推理速度快，合成效果佳的特点。开发者可以通过...
数据集加速器概述
通过感知深度学习训练的模型类型、网络结构，对图片、文本、视频等数据进行预先打包和处理，提升海量小文件训练场景的性能。全托管，开箱即用。云上全托管服务，操作简单，开通即可使用。弹性可伸缩。依托于云上IaaS（Infrastructure-as-a-...
PAI-TF概述
背景 TensorFlow是Google最新的开源深度学习计算框架，支持CNN、RNN及LSTM等多种神经网络模型，对语音、图像及文本等领域的模型训练效率极佳。TensorFlow的功能丰富且强大，并拥有高度灵活的API，受到业界的高度关注。PAI-TF是人工智能平台...
基本概念
cuDNN NVIDIA推出的用于深度神经网络的GPU加速库。DeepGPU 阿里云专门为GPU云服务器搭配的具有GPU计算服务增强能力的免费工具集合。AIACC-Taining 阿里云自研的分布式训练任务AI加速器，可以显著提升训练性能。AIACC-Inference 阿里云自研...
产品优势
与业务流程深度结合的训练流程 用户真实的业务场景多变且复杂，传统的训练模式并不能很好地跟时刻变化的业务场景相耦合，导致用户在实际训练过程中产生了一堆无用的模型，效率和准确性不高。自学习平台将训练过程中的 数据选择>训练>评估>...
功能特性
与业务流程深度结合的训练流程 将已知参数参与过程的训练中，训练出来的模型往往只是基于以往经验数据得来的预期模型，但是工业领域场景多变且复杂，往往传统的训练模式并不能很好的跟时刻变化的业务场景相耦合，这就导致用户在实际训练...
开发流程
快速开始 您可以通过快速开始快速上手并体验PAI的训练和部署流程，详情请参见 快速开始概述。如果您想更详细地了解并使用PAI的子产品（Designer、DSW、DLC、EAS 等），详情请参见 AI开发流程。AI开发流程 进入工作空间后，在左侧导航栏可以...
安装Pai-Megatron-Patch镜像
使用Pai-Megatron-Patch进行模型的训练加速时，您需要先完成Pai-Megatron-Patch镜像的安装。本文为您介绍安装Pai-Megatron-Patch镜像的使用限制和操作要点。使用限制 安装Pai-Megatron-Patch镜像时，仅支持使用GPU类型的实例。显卡驱动版本...
视频分类训练
算法简介 视频分类模块提供主流的3D卷积神经网络和Transformer模型用于视频分类任务的训练，目前已经支持的模型包括X3D系列的X3D-XS、X3D-M及X3D-L和Transformer模型的swin-t、swin-s、swin-b、swin-t-bert，其中swin-t-bert支持视频加文本...
AI计算资源概述
推荐您在使用PAI功能前开通并购买用于AI开发或训练的资源。对于云原生资源，需要购买所需资源、创建资源配额，并将资源配额绑定到工作空间才能使用。对于大数据引擎资源，只需购买资源并将其绑定到工作空间，即可进行使用。本文为您介绍这...
使用NAS提交单机PyTorch迁移学习任务
区域 参数 描述 基本信息 任务名称 深度学习训练的任务名称。节点镜像 选择 PAI平台镜像，并在下面列表中选择PyTorch镜像。例如：选择 pytorch-training:1.12PAI-gpu-py38-cu113-ubuntu20.04。数据集配置 选择 步骤一 创建的NAS类型数据集...
开源软件迁移
它拥有一个由工具、库和社区资源组成的全面、灵活的生态系统，被广泛应用于机器学习和深度神经网络研究。在倚天云服务器上，建议您使用以下两种方式使用TensorFlow。使用官方版本构建TensorFlow的Docker镜像。更多信息，请参见 TensorFlow ...
产品优势
效果逼真 在本地端实现了基于Knowledge-Aware Neural TTS(KAN-TTS)语音合成技术，基于深度神经网络和机器学习，将文本转换成真实饱满、抑扬顿挫、富有表现力的语音，使得 离线语音 合成效果趋近于在线合成效果。同样的语音合成 声音定制 的...
LLM on DLC-Megatron on DLC最佳实践
大语言模型（LLM）是指参数数量达到亿级别的神经网络语言模型，例如：GPT-3、GPT-4、PaLM、PaLM2等。Megatron-LM 是由NVIDIA的应用深度学习研究团队开发的Transformer模型训练框架，它可以高效利用算力、显存和通信带宽，大幅提升了大语言...
2021年
2021年01月11日 华北2（北京）华东2（上海）华东1（杭州）华南1（深圳）MediaFlow Processor EasyVision Processor EAS 提供的EasyVision Processor可以加载EasyVision框架训练得到的深度学习模型。2021年01月11日 与 EAS 支持的地域相同，...
人工神经网络
人工神经网络（Artificial Neural Network，缩写ANN），简称神经网络或类神经网络，是一种模仿生物神经网络（动物的中枢神经系统，特别是大脑）的结构和功能的数学模型或计算模型，用于对函数进行估计或近似。人工神经网络有多层和单层之分...
组件参考：所有组件汇总
ALS矩阵分解 交替最小二乘ALS（Alternating Least Squares）算法的原理是对稀疏矩阵进行模型分解，评估缺失项的值，从而得到基本的训练模型。swing训练 该组件是一种Item召回算法，您可以使用swing训练组件基于User-Item-User原理衡量Item...
概述
深度神经网络在图像分析和自然语言处理等学科中取得了前所未有的进步。强化学习成为补充传统监督学习的强大范式。然而，在目前的数据驱动的智能应用中，数据、特征和模型仍处于割裂状态。首先，数据工程师通过手工编写流程进行数据清洗和...
动态与公告
2023-07-04 快速开始 2023年06月 公告类型 模型名称 公告描述 发布时间 相关文档 新增模型 语音合成 提供SAMBERT+NSFGAN深度神经网络算法与传统领域知识深度结合的文字转语音服务，兼具读音准确，韵律自然，声音还原度高，表现力强的特点。...
灵骏常见问题
为什么深度学习和神经网络需要GPU？GPU与CPU的对比如下表所示。对比项 GPU CPU 算术运算单元（ALU）大量擅长处理大规模并发计算的算术运算单元（ALU）。拥有强大的算术运算单元（ALU），但数量较少。逻辑控制单元 相对简单的逻辑控制单元。...
机器翻译定制化服务产品介绍
技术优异 使用基于注意力机制的深层神经网络翻译系统，技术实力行业突出。降本提效 减少翻译等待周期，解决批量翻译供应不足现状，成本大幅缩减。机器翻译自学习平台 使用流程 说明 定制模型若想取得明显的效果提升，至少需要1万条高质量...
概述
矩阵分解、深度神经网络模型等算法都可以生成用户和物品的embedding向量，然而常规的模型还是需要依赖用户和物品的交互行为数据来建模，并不能很好地泛化到冷启动的用户和物品上。现在也有一些可以用来为冷启动用户和物品生成embedding向量...
模型创建
TFT TFT（Temporal Fusion Transformer）算法是基于Transformer机制的深度神经网络算法，详细信息，请参见 TFT论文。时序异常检测 esd 达摩院自研算法，适用于尖刺型异常（例如监控曲线出现尖刺的现象），对于数据点中有少量显著离群点的...
基于二部图GraphSAGE算法实现推荐召回
背景信息 图神经网络是深度学习的热点发展方向，PAI开源Graph-Learn框架，提供大量图学习算法。二部图GraphSAGE是经典的图神经网络算法，而GraphSAGE为二部图场景扩展，被用于淘宝的推荐召回场景。在二部图场景下，可以将User和Item作为图...
CREATE MODEL
TFT TFT（Temporal Fusion Transformer）算法是基于Transformer机制的深度神经网络算法，详细信息，请参见 TFT论文。时序异常检测 TIME_SERIES_ANOMALY_DETECTION esd 达摩院自研算法，适用于尖刺型异常（例如监控曲线出现尖刺的现象），...
在七代安全增强型实例中部署PyTorch深度学习模型
oneAPI深度神经网络库（oneDNN）是用于深度学习应用程序的基本构建基块的开源跨平台性能库，该库针对英特尔体系结构处理器、英特尔处理器图形和Xe体系图形进行了优化。主要面向对提高Intel CPU和GPU上的应用程序性能感兴趣的深度学习应用...
创建安全联邦学习任务（任务模式）
适用特征维度特别多，特别是神经网络算法。数据集设置 配置使用方和加持方的数据信息，用于后续的数据处理。使用方：指需要数据的一方。加持方：指提供数据的一方。训练集：需训练的数据表。Label字段：指标签字段，用于后续训练学习。对齐...
安装AIACC-Training
在接口层面上，目前AIACC-Training兼容了PyTorch DDP以及Horovod的API，对于原生使用上述分布式训练方法的训练代码，可以做到无感的性能加速。本文为您介绍安装AIACC-Training 1.5.0的多种方式。前提条件 已创建阿里云GPU实例，且GPU实例需...
Horovod弹性训练
模型训练是深度学习中重要的环节，模型复杂的训练任务有运行时间长、算力需求大的特征。通过弹性模型训练，可以为深度学习的模型训练任务提供动态修改Workers数量的能力。部署弹性模型训练任务 提交训练任务 使用以下代码示例提交一个训练...
Kohya使用方法与实践案例
此时您可以选择借助神经网络，完成对所有图片批量生成文本描述的工作。您也可以在Kohya中选择使用一个叫做BLIP的图像打标模型。打标 数据集 在Kohya-SS页面，选择 Utilities>Captioning>BLIP Captioning。选择已创建的数据集里面上传的图片...
使用AMD CPU实例部署通义千问Qwen-7B-Chat
ZenDNN运行库包括为AMD CPU架构优化的基本神经网络构建块的API，使深度学习应用程序和框架开发人员能够提高AMD CPU上的深度学习推理性能。wget ...
使用AMD CPU实例部署ChatGLM-6B
ZenDNN运行库包括为AMD CPU架构优化的基本神经网络构建块的API，使深度学习应用程序和框架开发人员能够提高AMD CPU上的深度学习推理性能。wget ...
EMR-3.24.x版本说明
TensorFlow on spark 支持TensorFlow框架置于Spark之上，使得Spark与深度学习框架深度结合，包括了任务调度和数据交换优化方案等，为您提供从数据预处理到深度学习训练任务的一整套流程。支持Streaming类型任务。更新内容 服务 变更点 ...
基于抢占式实例的弹性训练
如下图所示：当回收后的Worker数量小于设定的最小Worker数目时，每个Worker会收到即将被回收的信号，在收到信号后Rank为0的Worker会执行保存Checkpoint的操作以保存训练的成果。如下图所示：至此，该任务会被挂起，以等待资源重新满足时从...
Word2Vec
Word2Vec算法组件利用神经网络，通过训练，将词映射为K维度空间向量，且支持对表示词的向量进行操作并和语义相对应。输入为单词列或词汇表，输出为词向量表和词汇表。使用说明 Word2Vec组件的上游需要接入 词频统计 组件。说明 词频统计的...
GPU计算型
网络：支持IPv6 实例网络性能与计算规格对应（规格越高网络性能越强）适用场景：深度学习，例如图像分类、无人驾驶、语音识别等人工智能算法的训练应用 高GPU负载的科学计算，例如计算流体动力学、计算金融学、分子动力学、环境分析等 gn7...
- 产品推荐
- 这些文档可能帮助您