总览
本文介绍 TI-ONE 训练平台使用前置准备工作,根据不同背景的用户,提供不同的文档和流程指引,介绍平台的完整使用流程。
TI-ONE 使用前置准备工作
不同背景用户使用指引
TI-ONE 完整使用流程
机器学习开发的核心流程通常可以分几个步骤:数据准备、模型开发、模型训练、模型管理、模型部署。接下来介绍如何在TI-ONE 平台,从数据准备到完成模型开发和部署的全流程。
步骤 | 任务 | 说明 | 详细指导 |
数据准备 |
导入数据集 | 基于您准备的数据,可以在 TI-ONE 中上传、导入数据集。 | |
| 数据构建 | 帮助您从一份原始数据构建出高质量的 LLM 训练数据。 | |
| 数据标注 | 根据您创建的数据集,标注数据,方便后续训练使用。 | |
模型开发 | 新建 Notebook | 新建一个 Notebook 作为开发环境, 编写代码调试模型。 | |
模型训练 | 创建训练任务 | 创建一个任务式建模任务,选择数据集存储,并挂载前面编写完成的训练代码。训练完成后,将生成模型保存至输出的存储中。也支持一键发布模型至模型仓库。 | |
模型管理 | 导入模型 | 将训练输出的模型导入至模型仓库,方便管理,支持将模型部署为在线服务。 | |
模型部署 | 部署服务 | 将模型部署为在线服务。 | |
| 访问服务 | 在线服务部署完成后,您可以访问测试。支持公网、VPC等多种在线服务调用方式。 |