機器閱讀理解解決方案
機器閱讀理解(MRC)解決方案,具有基于文檔的智能問答能力。幫助您快速搭建囊括模型離線訓(xùn)練、離線預(yù)測和在線部署的端到端全鏈路流程。旨在從大量文本中,基于給定的問題,快速抽取出答案,降低人工成本,增加信息檢索有效性。本文為您介紹該解決方案的使用流程和操作步驟。
前提條件
在開始執(zhí)行操作前,請確認您已完成以下準(zhǔn)備工作。
已開通PAI(Designer、DSW、EAS)后付費,并創(chuàng)建默認工作空間,詳情請參見開通并創(chuàng)建默認工作空間。
已創(chuàng)建OSS存儲空間(Bucket),用于存儲數(shù)據(jù)集、訓(xùn)練獲得的模型文件和配置文件。關(guān)于如何創(chuàng)建存儲空間,詳情請參見創(chuàng)建存儲空間。
已創(chuàng)建EAS專屬資源組,用于部署訓(xùn)練好的模型。關(guān)于如何創(chuàng)建專屬資源組,詳情請參見使用專屬資源組。
已為工作空間關(guān)聯(lián)MaxCompute和DLC計算資源,詳情請參見管理工作空間。
背景信息
阿里云PAI在機器閱讀理解領(lǐng)域,提供了端到端、多樣化的純白盒解決方案,支持基于大段篇章文本的問答功能。您可以根據(jù)自己的業(yè)務(wù)場景自定義構(gòu)建機器閱讀理解模型,或使用PAI提供的默認模型,進行模型調(diào)優(yōu)和線上部署,針對不同的問題從給定的篇章文本中抽取出相應(yīng)答案。具體解決方案如下。
基于PAI提供的機器閱讀理解模型和算法,針對您自己的閱讀理解場景,在Designer平臺上進行模型微調(diào),從而構(gòu)建具體場景的NLP(Natural Language Processing)機器閱讀理解模型。
在Designer平臺,基于PAI提供的默認模型或您自行微調(diào)的機器閱讀理解模型,進行批量離線預(yù)測。
將模型部署為EAS在線服務(wù),對給定的篇章文本和問題進行自動閱讀理解。
使用流程
將模型部署為EAS在線服務(wù),對給定的篇章文本和問題進行自動閱讀理解。
將訓(xùn)練數(shù)據(jù)集和驗證數(shù)據(jù)集上傳到OSS Bucket中,用于后續(xù)的機器閱讀理解模型訓(xùn)練和預(yù)測。
在Designer平臺上,使用機器閱讀理解訓(xùn)練組件,基于海量大數(shù)據(jù)語料預(yù)訓(xùn)練獲得的NLP預(yù)訓(xùn)練模型,構(gòu)建機器閱讀理解模型。
在Designer平臺上,使用機器閱讀理解預(yù)測組件,基于海量篇章文本和問句,用微調(diào)好的機器閱讀理解模型或PAI提供的默認模型,進行批量離線預(yù)測答案抽取。
通過模型在線服務(wù)EAS,您可以將訓(xùn)練好的機器閱讀理解模型部署為在線服務(wù),并在實際的生產(chǎn)環(huán)境調(diào)用,從而實現(xiàn)在線機器閱讀理解。
步驟一:準(zhǔn)備數(shù)據(jù)
準(zhǔn)備訓(xùn)練數(shù)據(jù)集和驗證數(shù)據(jù)集。
本文使用某個中文機器閱讀理解數(shù)據(jù)集進行模型訓(xùn)練和預(yù)測。訓(xùn)練數(shù)據(jù)集和預(yù)測數(shù)據(jù)集具體格式要求如下。
需要準(zhǔn)備的數(shù)據(jù)
格式
包含列
數(shù)據(jù)集示例文件
訓(xùn)練數(shù)據(jù)集
TSV或TXT
ID列
篇章列
問句列
答案列
起始位置列
標(biāo)題列(非必須)
驗證數(shù)據(jù)集
TSV或TXT
ID列
篇章列
問句列
答案列(非必須)
起始位置列(非必須)
標(biāo)題列(非必須)
將數(shù)據(jù)集上傳至OSS Bucket,具體操作,請參見上傳文件。
說明如果您需要利用自己的數(shù)據(jù)集對模型進行微調(diào),則需要提前將數(shù)據(jù)集上傳至OSS Bucket中。
步驟二:構(gòu)建機器閱讀理解模型
進入PAI-Designer頁面,并創(chuàng)建空白工作流,具體操作請參見操作步驟。
在工作流列表,選擇已創(chuàng)建的空白工作流,單擊進入工作流。
在工作流頁面,分別拖入以下組件,并根據(jù)下文的組件參數(shù)配置組件。
區(qū)域
描述
①
配置實驗的訓(xùn)練數(shù)據(jù)集,即配置讀OSS數(shù)據(jù)-1組件的OSS數(shù)據(jù)路徑參數(shù)為訓(xùn)練數(shù)據(jù)集在OSS Bucket中的存儲路徑。
②
配置實驗的驗證數(shù)據(jù)集,即配置讀OSS數(shù)據(jù)-2組件的OSS數(shù)據(jù)路徑參數(shù)為驗證數(shù)據(jù)集在OSS Bucket中的存儲路徑。
③
配置文本摘要模型訓(xùn)練的參數(shù)。機器閱讀理解訓(xùn)練組件的配置詳情,請參見下文的機器閱讀理解訓(xùn)練組件的配置。
表 1. 機器閱讀理解訓(xùn)練組件的配置 頁簽
參數(shù)
描述
本案例使用的示例值
字段設(shè)置
選擇語種
輸入文件的語種,目前支持以下兩種語言的機器閱讀理解:
zh
en
zh
輸入數(shù)據(jù)格式
輸入文件中每列的數(shù)據(jù)格式,多列之間使用半角逗號(,)分隔。
qas_id:str:1,context_text:str:1,question_text:str:1,answer_text:str:1,start_position_character:str:1,title:str:1
問句列
問句在輸入文件中對應(yīng)的列名。
question_text
篇章列
篇章文本在輸入文件中對應(yīng)的列名。
context_text
回復(fù)列
答案在輸入文件中對應(yīng)的列名。
answer_text
ID列
ID在輸入文件中對應(yīng)的列名。
qas_id
起始位置列
在輸入文件中,答案在篇章文本中的起始位置對應(yīng)的列名。
start_position_character
模型存儲路徑
配置OSS Bucket中的目錄,用來存儲機器閱讀理解模型訓(xùn)練或微調(diào)后生成的模型文件。
oss://exampleBucket.oss-cn-shanghai-internal.aliyuncs.com/exampledir
說明需要修改為您使用的OSS路徑。
參數(shù)設(shè)置
批次大小
訓(xùn)練過程中的批處理大小。如果使用多機多卡,則表示每個GPU上的批處理大小。
4
說明由于滑動窗口機制的存在,訓(xùn)練時批次大小不宜設(shè)置過大,否則易造成內(nèi)存溢出。
篇章最大長度
表示系統(tǒng)可處理的篇章最大長度。
384
問句最大長度
表示系統(tǒng)可處理的問句最大長度。
64
滑動窗口大小
對篇章進行滑動窗口切分時,滑動窗口的大小。
128
迭代輪數(shù)
訓(xùn)練總Epoch的數(shù)量。
3
學(xué)習(xí)率
模型構(gòu)建過程中的學(xué)習(xí)率。
3.5e-5
保存Checkpoint步數(shù)
表示每訓(xùn)練多少步,對模型進行評價,并保存當(dāng)前最優(yōu)模型。
600
pretrainModelNameOrPath
系統(tǒng)提供的預(yù)訓(xùn)練模型名稱路徑選擇,取值如下:
自定義
hfl/macbert-base-zh(默認值)
hfl/macbert-large-zh
bert-base-uncased
bert-large-uncased
hfl/macbert-base-zh
模型額外參數(shù)
用戶自定義參數(shù),您可以根據(jù)自己的數(shù)據(jù)對模型參數(shù)進行調(diào)整。
如果您想采用自定義的預(yù)訓(xùn)練或微調(diào)好的模型時,可以在這里聲明。
無需填寫
執(zhí)行調(diào)優(yōu)
GPU機器類型
計算資源的GPU機型。默認值為gn5-c8g1.2xlarge,表示8核CPU、80 GB內(nèi)存、P100單卡。
gn5-c8g1.2xlarge
指定Worker的GPU卡數(shù)
每個Worker下的GPU卡數(shù)量。
1
步驟三:離線批量預(yù)測
配置離線預(yù)測工作流。
機器閱讀理解預(yù)測組件有以下兩種工作方式。
方式一:利用機器閱讀理解訓(xùn)練組件生成的模型進行預(yù)測并抽取答案。
您需要在步驟二的工作流頁面,參照下圖補充拖入組件,并根據(jù)下文的組件參數(shù)配置組件。
方式二:將PAI默認模型上傳至OSS Bucket,并接入機器閱讀理解預(yù)測組件進行預(yù)測并抽取答案。
您需要參照步驟二創(chuàng)建新的空白工作流,參照下圖拖入組件,并根據(jù)下文的組件參數(shù)配置組件。
區(qū)域
描述
①
配置實驗的預(yù)測數(shù)據(jù)集(使用步驟一中的驗證數(shù)據(jù)集作為預(yù)測數(shù)據(jù)集),即配置讀OSS數(shù)據(jù)-3組件的OSS數(shù)據(jù)路徑參數(shù)為驗證數(shù)據(jù)集在OSS Bucket中的存儲路徑。
②
配置機器閱讀理解模型預(yù)測的參數(shù)。機器閱讀理解預(yù)測組件的配置詳情,請參見機器閱讀理解預(yù)測組件的配置。
表 2. 機器閱讀理解預(yù)測組件的配置 頁簽
參數(shù)
描述
本案例使用的示例值
字段設(shè)置
選擇語種
輸入文件的語種,目前支持以下兩種語言的機器閱讀理解:
zh
en
zh
輸入數(shù)據(jù)格式
輸入文件中每列的數(shù)據(jù)格式,多列之間使用半角逗號(,)分隔。
qas_id:str:1,context_text:str:1,question_text:str:1,answer_text:str:1,start_position_character:str:1,title:str:1
問句列
問句在輸入文件中對應(yīng)的列名。
question_text
篇章列
篇章文本在數(shù)據(jù)文件中對應(yīng)的列名。
context_text
回復(fù)列
答案在輸入文件中對應(yīng)的列名。
answer_text
Id列
ID在輸入文件中對應(yīng)的列名。
qas_id
起始位置列
在輸入文件中,答案在篇章文本中的起始位置對應(yīng)的列名。
start_position_character
預(yù)測數(shù)據(jù)輸出
配置OSS Bucket中的目錄,用來存儲機器閱讀理解模型預(yù)測的答案文件。
oss://exampleBucket.oss-cn-shanghai-internal.aliyuncs.com/exampledir1
說明需要修改為您使用的OSS路徑。
使用自定義模型
選擇是否使用自定義模型,取值如下:
否:對應(yīng)上述方式一。
是:對應(yīng)上述方式二。
否
模型存儲路徑
當(dāng)使用自定義模型為是時,需要配置該參數(shù)。
配置OSS Bucket中的目錄,用來存儲自定義模型文件。
oss://exampleBucket.oss-cn-shanghai-internal.aliyuncs.com/exampledir2
說明需要修改為您使用的OSS路徑。
參數(shù)設(shè)置
批次大小
訓(xùn)練過程中的批處理大小。如果使用多機多卡,則表示每個GPU上的批處理大小。
256
篇章最大長度
表示系統(tǒng)可處理的篇章最大長度。
384
問句最大長度
表示系統(tǒng)可處理的問句最大長度。
64
回復(fù)最大長度
表示系統(tǒng)可抽取的答案最大長度。
30
滑動窗口大小
對篇章進行滑動窗口切分時,滑動窗口的大小。
128
pretrainModelNameOrPath
系統(tǒng)提供的預(yù)訓(xùn)練模型名稱或路徑選擇,取值如下:
用戶自定義
hfl/macbert-base-zh
hfl/macbert-large-zh
bert-base-uncased
bert-large-uncased
hfl/macbert-base-zh
模型額外參數(shù)
用戶自定義參數(shù),您可以根據(jù)自己的數(shù)據(jù)對模型參數(shù)進行調(diào)整。
無需填寫
執(zhí)行調(diào)優(yōu)
GPU機型類型
計算資源的GPU機型。默認值為gn5-c8g1.2xlarge,表示8核CPU、80 GB內(nèi)存、P100單卡。
gn5-c8g1.2xlarge
指定Worker的GPU卡數(shù)
每個Worker下的GPU卡數(shù)量。
1
單擊畫布上方的運行。
實驗運行成功后,您可以在機器閱讀理解預(yù)測組件預(yù)測數(shù)據(jù)輸出配置的OSS Bucket目錄中,下載系統(tǒng)預(yù)測出的答案文件;在機器閱讀理解訓(xùn)練組件模型存儲路徑配置的OSS Bucket目錄中,下載生成的模型文件和配置文件。
步驟四:部署及調(diào)用模型服務(wù)
通過模型在線服務(wù)PAI EAS,您可以將訓(xùn)練好的機器閱讀理解模型部署為在線服務(wù),并在實際的生產(chǎn)環(huán)境中調(diào)用,從而進行推理實踐。
進入模型在線服務(wù)(EAS)頁面。
登錄PAI控制臺。
在左側(cè)導(dǎo)航欄單擊工作空間列表,在工作空間列表頁面中單擊待操作的工作空間名稱,進入對應(yīng)的工作空間。
在工作空間頁面的左側(cè)導(dǎo)航欄選擇 ,進入模型在線服務(wù)(EAS)頁面。
部署模型服務(wù)。
在模型在線服務(wù)(EAS)頁面的推理服務(wù)頁簽,單擊部署服務(wù)。
在部署服務(wù)頁面,配置以下參數(shù)(此處僅介紹與本案例相關(guān)的核心參數(shù)配置,其他參數(shù)配置,詳情請參見控制臺上傳部署),并單擊部署。
參數(shù)
描述
服務(wù)名稱
模型的名稱,建議結(jié)合實際業(yè)務(wù)進行命名,以區(qū)分不同的模型服務(wù)。
部署方式
選擇模型+processor部署服務(wù)。
Processor種類
選擇EasyNLP。
模型文件
本案例中訓(xùn)練好的模型均存儲在OSS中,因此選擇OSS掛載。
OSS路徑選擇機器閱讀理解組件模型存儲路徑參數(shù)配置的路徑下的模型文件夾(其中包含config.json、pytorch_model.bin、pytorch_model.meta.bin、train_config.json、vocab.txt及l(fā)abel_mapping.json)。例如,對于下圖中的模型目錄結(jié)構(gòu),您需要將OSS路徑選擇到此目錄。
模型類別
按照您自己的實際情況選擇機器閱讀理解(中文)或者機器閱讀理解(英文)。
資源部署信息
按照您購買的資源進行合適選擇,建議優(yōu)先選擇GPU資源。
調(diào)試模型服務(wù)。
在模型在線服務(wù)(EAS)頁面,單擊目標(biāo)服務(wù)操作列下的在線調(diào)試。
在調(diào)試頁面的在線調(diào)式請求參數(shù)區(qū)域的Body處填寫如下內(nèi)容。
[ {"query": "杭州什么時候發(fā)布了《杭州市亞運城市行動計劃綱要》?", "context": "某某社杭州9月22日電競賽場館全部竣工并完成賽事功能驗收,“迎亞運”城市基礎(chǔ)設(shè)施建設(shè)邁入快車道,亞運場館提前開放掀起全民健身熱潮……23日,延期后的杭州亞運會將迎來倒計時一周年,各項籌備工作也結(jié)出累累碩果,“天堂之城”再次蓄勢待發(fā)。辦好一個會,提升一座城。2020年4月,杭州發(fā)布了《杭州市亞運城市行動計劃綱要》,其中包括基礎(chǔ)設(shè)施提升、綠水青山守護、數(shù)字治理賦能等八項具體行動。隨著亞運的腳步日益臨近,杭州西站、蕭山國際機場三期、合杭高鐵湖杭段、機場軌道快線(19號線)等“兩點兩線”重大項目正式投運。根據(jù)杭州市城鄉(xiāng)建設(shè)委員會發(fā)布的信息,預(yù)計到今年9月底全市快速路總里程將達到480公里。住在這里的人們正切身體會到悄然發(fā)生的變化-交通方便了,道路變美了,城市基礎(chǔ)設(shè)施也愈發(fā)完善。", "id": "01"}, {"query": "今年9月底全市快速路總里程將達到多少?", "context": "某某社杭州9月22日電競賽場館全部竣工并完成賽事功能驗收,“迎亞運”城市基礎(chǔ)設(shè)施建設(shè)邁入快車道,亞運場館提前開放掀起全民健身熱潮……23日,延期后的杭州亞運會將迎來>倒計時一周年,各項籌備工作也結(jié)出累累碩果,“天堂之城”再次蓄勢待發(fā)。辦好一個會,提升一座城。2020年4月,杭州發(fā)布了《杭州市亞運城市行動計劃綱要》,其中包括基礎(chǔ)設(shè)施提升、綠水青山守護、數(shù)字治理賦能等八項具體行動。隨著亞運的腳步日益臨近,杭州西站、蕭山國際機場三期、合杭高鐵湖杭段、機場軌道快線(19號線)等“兩點兩線”重大項目正式投運。根據(jù)杭州市城鄉(xiāng)建設(shè)委員會發(fā)布的信息,預(yù)計到今年9月底全市快速路總里程將達到480公里。住在這里的人們正切身體會到悄然發(fā)生的變化-交通方便了,道路變美了,城市基礎(chǔ)設(shè)施也愈發(fā)完善。", "id": "02"} ]
單擊發(fā)送請求,即可在調(diào)式信息區(qū)域查看預(yù)測結(jié)果,如下圖所示。
預(yù)測結(jié)果中:best_answer即為模型給出的答案文本。為方便對照,輸入的id、query、context信息也會一并返回。如果您在輸入中指定了參考答案,該參考答案文本也會在gold_answer中一并返回。返回結(jié)果示例如下。
[ {"unique_id": "01", "best_answer": "2020年4月", "gold_answer": "", "query": "杭州什么時候發(fā)布了《杭州市亞運城市行動計劃綱要》?", "context": "某某社杭州9月22日電競賽場館全部竣工并完成賽事功能驗收,“迎亞運”城市基礎(chǔ)設(shè)施建設(shè)邁入快車道,亞運場館提前開放掀起全民健身熱潮……23日,延期后的杭州亞運會將迎來倒計時一周年,各項籌備工作也結(jié)出累累碩果,“天堂之城”再次蓄勢待發(fā)。辦好一個會,提升一座城。2020年4月,杭州發(fā)布了《杭州市亞運城市行動計劃綱要》,其中包括基礎(chǔ)設(shè)施提升、綠水青山守護、數(shù)字治理賦能等八項具體行動。隨著亞運的腳步日益臨近,杭州西站、蕭山國際機場三期、合杭高鐵湖杭段、機場軌道快線(19號線)等“兩點兩線”重大項目正式投運。根據(jù)杭州市城鄉(xiāng)建設(shè)委員會發(fā)布的信息,預(yù)計到今年9月底全市快速路總里程將達到480公里。住在這里的人們正切身體會到悄然發(fā)生的變化-交通方便了,道路變美了,城市基礎(chǔ)設(shè)施也愈發(fā)完善。"}, {"unique_id": "02", "best_answer": "480公里", "gold_answer": "", "query": "今年9月底全市快速路總里程將達到多少?", "context": "某某社杭州9月22日電競賽場館全部竣工并完成賽事功能驗收,“迎亞運”城市基礎(chǔ)設(shè)施建設(shè)邁入快車道,亞運場館提前開放掀起全民健身熱潮……23日,延期后的杭州亞運會將迎來>倒計時一周年,各項籌備工作也結(jié)出累累碩果,“天堂之城”再次蓄勢待發(fā)。辦好一個會,提升一座城。2020年4月,杭州發(fā)布了《杭州市亞運城市行動計劃綱要》,其中包括基礎(chǔ)設(shè)施提升、綠水青山守護、數(shù)字治理賦能等八項具體行動。隨著亞運的腳步日益臨近,杭州西站、蕭山國際機場三期、合杭高鐵湖杭段、機場軌道快線(19號線)等“兩點兩線”重大項目正式投運。根據(jù)杭州市城鄉(xiāng)建設(shè)委員會發(fā)布>的信息,預(yù)計到今年9月底全市快速路總里程將達到480公里。住在這里的人們正切身體會到悄然發(fā)生的變化-交通方便了,道路變美了,城市基礎(chǔ)設(shè)施也愈發(fā)完善。"} ]
查看模型服務(wù)的公網(wǎng)地址和訪問Token。
在模型在線服務(wù)(EAS)頁面,單擊目標(biāo)服務(wù)服務(wù)方式列下的調(diào)用信息。
在調(diào)用信息對話框的公網(wǎng)地址調(diào)用頁簽,查看公網(wǎng)調(diào)用的訪問地址和Token。
使用腳本進行批量調(diào)用。
創(chuàng)建調(diào)用模型服務(wù)的Python腳本eas_test_mrc.py。
#!/usr/bin/env python #encoding=utf-8 from eas_prediction import PredictClient from eas_prediction import StringRequest if __name__ == '__main__': #下面的client = PredictClient()入?yún)⑿枰鎿Q為實際的訪問地址。 client = PredictClient('http://xxxxxxxxxxxxxxxx.cn-hangzhou.pai-eas.aliyuncs.com', 'test_mrc_new') #下面的Token需要替換為實際值。 client.set_token('ZDY5Mzg1xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxjlmZTEyYmY0Yg==') client.init() #輸入請求需要根據(jù)模型進行構(gòu)造,此處僅以字符串作為輸入輸出的程序為例。 request = StringRequest('[{"query": "杭州什么時候發(fā)布了《杭州市亞運城市行動計劃綱要》?", "context": "某某社杭州9月22日電競賽場館全部竣工并完成賽事功能驗收,“迎亞運”城市基礎(chǔ)設(shè)施建設(shè)邁入快車道,亞運場館提前開放掀起全民健身熱潮……23日,延期后的杭州亞運會將迎來倒計時一周年,各項籌備工作也結(jié)出累累碩果,“天堂之城”再次蓄勢待發(fā)。辦好一個會,提升一座城。2020年4月,杭州發(fā)布了《杭州市亞運城市行動計劃綱要》,其中包括基礎(chǔ)設(shè)施提升、綠水青山守護、數(shù)字治理賦能等八項具體行動。隨著亞運的腳步日益臨近,杭州西站、蕭山國際機場三期、合杭高鐵湖杭段、機場軌道快線(19號線)等“兩點兩線”重大項目正式投運。根據(jù)杭州市城鄉(xiāng)建設(shè)委員會發(fā)布的信息,預(yù)計到今年9月底全市快速路總里程將達到480公里。住在這里的人們正切身體會到悄然發(fā)生的變化-交通方便了,道路變美了,城市基礎(chǔ)設(shè)施也愈發(fā)完善。", "id": "01"}, {"query": "今年9月底全市快速路總里程將達到多少?", "context": "某某社杭州9月22日電競賽場館全部竣工并完成賽事功能驗收,“迎亞運”城市基礎(chǔ)設(shè)施建設(shè)邁入快車道,亞運場館提前開放掀起全民健身熱潮……23日,延期后的杭州亞運會將迎來>倒計時一周年,各項籌備工作也結(jié)出累累碩果,“天堂之城”再次蓄勢待發(fā)。辦好一個會,提升一座城。2020年4月,杭州發(fā)布了《杭州市亞運城市行動計劃綱要》,其中包括基礎(chǔ)設(shè)施提升、綠水青山守護、數(shù)字治理賦能等八項具體行動。隨著亞運的腳步日益臨近,杭州西站、蕭山國際機場三期、合杭高鐵湖杭段、機場軌道快線(19號線)等“兩點兩線”重大項目正式投運。根據(jù)杭州市城鄉(xiāng)建設(shè)委員會發(fā)布>的信息,預(yù)計到今年9月底全市快速路總里程將達到480公里。住在這里的人們正切身體會到悄然發(fā)生的變化-交通方便了,道路變美了,城市基礎(chǔ)設(shè)施也愈發(fā)完善。", "id": "02"}]') for x in range(0, 1): resp = client.predict(request) print(str(resp.response_data, 'utf8')) print("test ending")
將eas_test_mrc.py的Python腳本上傳至您的任意環(huán)境,并在腳本上傳后的當(dāng)前目錄執(zhí)行如下調(diào)用命令。
python <eas_test_mrc.py>
其中<eas_test_mrc.py>需要替換為實際的Python腳本名稱。
監(jiān)控服務(wù)指標(biāo)。調(diào)用模型服務(wù)后,您可以查看模型調(diào)用的相關(guān)指標(biāo)水位,包括QPS、RT、CPU、GPU及Memory。
在PAI-EAS 模型在線服務(wù)頁面,單擊已調(diào)用服務(wù)服務(wù)監(jiān)控列下的圖標(biāo)。
在服務(wù)監(jiān)控頁簽,即可查看模型調(diào)用的指標(biāo)水位。您自己的模型指標(biāo)水位以實際為準(zhǔn)。