管理ai应用简介-凯发k8国际娱乐官网入口
ai开发和调优往往需要大量的迭代和调试，数据集、训练代码或参数的变化都可能会影响模型的质量，如不能统一管理开发流程元数据，可能会出现无法重现最优模型的现象。
modelarts的ai应用管理可导入所有训练生成的元模型、上传至对象存储服务（obs）中的元模型和容器镜像中的元模型，可对所有迭代和调试的ai应用进行统一管理。
约束与限制
- 自动学习项目中，在完成模型部署后，其生成的模型也将自动上传至ai应用管理列表中。但是自动学习生成的ai应用无法下载，只能用于部署上线。
- 创建ai应用、管理ai应用版本、模型转换等功能目前是免费开放给所有用户，使用此功能不会产生费用。
创建ai应用的几种场景
- ：在modelarts中创建训练作业，并完成模型训练，在得到满意的模型后，可以将训练后得到的模型创建为ai应用，用于部署服务。
- ：如果您使用常用框架在本地完成模型开发和训练，可以将本地的模型按照模型包规范上传至obs桶中，从obs将模型导入至modelarts中，创建为ai应用，直接用于部署服务。
- ：针对modelarts目前不支持的ai引擎，可以通过自定义镜像的方式将编写的模型镜像导入modelarts，创建为ai应用，用于部署服务。
- ：相同功能的模型配置信息重复率高，将相同功能的配置整合成一个通用的模板，通过使用该模板，可以方便快捷的导入模型，创建为ai应用，而不用编写config.json配置文件。
“从模板中选择”功能即将下线。后续您可以通过“从对象存储服务（obs）中选择”的ai引擎“custom”模式，导入自定义引擎，来实现ai引擎和模型配置模板化的功能。
ai应用管理的功能描述
支持的功能 |
说明 |
|---|---|
将训练后的模型导入至modelarts创建为ai应用，便于进行统一管理，支持如下几种场景的导入方式，不同场景对应的操作指导请参见： |
|
当ai应用创建成功后，您可以进入ai应用详情页查看ai应用的信息。 |
|
为方便溯源和模型反复调优，在modelarts中提供了ai应用版本管理的功能，您可以基于版本对ai应用进行管理。 |
|
针对在modelarts创建的ai应用，支持、或。 |
|
modelartsk8凯发的服务支持用户从ai gallery中订阅官方发布或者他人分享的模型，支持从其他ei云服务订阅ai应用。订阅后的模型，在“modelarts > ai应用管理”中，进行统一管理。 |
推理支持的ai引擎
在modelarts创建ai应用时，若使用预置镜像“从模板中选择”或“从obs中选择”导入模型，则支持如下常用引擎及版本的模型包。
- 标注“推荐”的runtime来源于统一镜像，后续统一镜像将作为主流的推理基础镜像。统一镜像中的安装包更齐全，详细信息可以参见。
- 推荐将旧版镜像切换为统一镜像，旧版镜像后续将会逐渐下线。
- 待下线的基本镜像不再维护。
- 统一镜像runtime的命名规范：
- <硬件及版本：cpu或cuda或cann> - - <操作系统版本> -
模型使用的引擎类型 |
支持的运行环境（runtime） |
注意事项 |
|---|---|---|
tensorflow |
python3.6 python2.7（待下线） tf1.13-python3.6-gpu tf1.13-python3.6-cpu tf1.13-python3.7-cpu tf1.13-python3.7-gpu tf2.1-python3.7（待下线） tensorflow_2.1.0-cuda_10.1-py_3.7-ubuntu_18.04-x86_64（推荐） |
|
spark_mllib |
python2.7（待下线） python3.6（待下线） |
|
scikit_learn |
python2.7（待下线） python3.6（待下线） |
|
xgboost |
python2.7（待下线） python3.6（待下线） |
|
pytorch |
python2.7（待下线） python3.6 python3.7 pytorch1.4-python3.7 pytorch1.5-python3.7（待下线） pytorch_1.8.0-cuda_10.2-py_3.7-ubuntu_18.04-x86_64（推荐） |
|
mindspore |
aarch64（推荐） |
aarch64只能用于运行在snt3芯片上。 |
意见反馈
文档内容是否对您有帮助？
如您有其它疑问，您也可以通过华为云社区问答频道来与我们联系探讨
