如果您希望以零代碼的方式在PAI上完成Llama2系列大語言模型的訓練和推理，您可以使用快速開始的一鍵部署，快速啟動Llama2系列模型的線上推理服務，並通過WebUI和API兩種方式調用，或者使用自己的資料集對預訓練模型進行微調訓練，實現定製化的情境和任務。
背景資訊
Llama2是由Meta開源的、以英語為主的預訓練大語言模型，支援任意自然語言文本作為輸入，併產生文字形式的輸出。Llama2模型的參數範圍從70億到700億不等，包括7b、13b、70b三種規格，並在每個規格下都有專門適配對話情境的最佳化模型Llama2-chat。快速開始支援Llama2系列模型的線上推理，同時也可以作為上遊模型訓練以達到更好的定製情境效果。
快速開始提供的llama-2-7b-chat模型來源於HuggingFace提供的Llama-2-7b-chat模型，它也是主要基於Transformer架構的大語言模型，使用多種混合的開來源資料集進行訓練，因此適合用於大多數的英文通用領域情境。
本文以llama-2-7b-chat模型為例，為您介紹如何通過快速開始將模型部署到EAS，建立並調用推理服務。
使用限制
目前快速開始支援的地區包括華北2（北京）、華東2（上海）、華東1（杭州）、華南1（深圳）、華北6（烏蘭察布）。
如需開通華北6（烏蘭察布）地區，請聯絡您的商務經理。
使用費用
使用OSS儲存會產生相關費用，計費詳情請參見OSS計費概述。
快速開始本身不收費，但使用快速開始進行模型部署和訓練時，會產生對應的模型部署（EAS）費用和任務訓練（DLC）費用，計費詳情請參見模型線上服務（EAS）計費說明、分布式訓練（DLC）計費說明。
前提條件
已開通PAI（EAS、DLC）並建立了預設的工作空間，操作詳情請參見開通PAI並建立預設工作空間。
已開通OSS並建立Bucket，Bucket所屬地區與PAI的地區一致，操作詳情請參見開始使用OSS。
閱讀並承諾遵守Llama模型的自訂可商用開源協議。
說明如果無法訪問，您可能需要設定代理後再嘗試重新訪問。
操作步驟
llama-2-7b-chat模型適用於大多數非專業情境，如果直接部署模型後的預測結果不滿足您的業務需求，或者當您需要應用特定領域的專業知識時，您可以對模型進行微調訓練，協助模型提高在自訂領域的能力，使其更符合您的實際業務需求。
大語言模型可以在對話過程中直接學習到比較簡單的知識，請您根據自己的需求選擇是否訓練。當前快速開始支援的訓練方式基於LoRA。LoRA訓練相較於其他訓練方式（如SFT等）會顯著降低訓練成本和時間。
直接部署模型
登入PAI控制台，在左側導覽列單擊快速開始。
選擇工作空間後，單擊進入快速開始。
在模型列表頁面的搜尋方塊中輸入llama-2-7b-chat，然後單擊搜尋。
說明您也可以根據實際業務選擇需求選擇其他模型，模型需要至少64 GiB記憶體和24 GiB及以上的顯存，請確保您選擇的計算資源滿足以上要求，否則可能導致部署失敗。
單擊llama-2-7b-chat模型卡片，進入模型詳情頁面，單擊模型部署。
在模型部署詳情頁面下方，單擊部署。
在彈出的計費提醒對話方塊中，單擊確定。
頁面自動跳轉到服務詳情頁面。當服務狀態變為運行中時，代表推理服務已部署成功。
服務部署成功後，您可以通過WebUI或API兩種方式調用服務。
在服務詳情頁面單擊查看WEB應用。
調用推理服務。
WebUI方式：在Chat頁簽中的對話方塊中輸入對話內容後，單擊Send，即可開始對話。
API方式：單擊WebUI頁面底部Use via API，查看API調用詳情。
微調訓練模型
登入PAI控制台，在左側導覽列單擊快速開始。
選擇工作空間後，單擊進入快速開始。
在模型列表頁面的搜尋方塊中輸入llama-2-7b-chat，然後單擊搜尋。
說明您也可以根據實際業務選擇需求選擇其他模型，模型需要至少64 GiB記憶體和24 GiB及以上的顯存，請確保您選擇的計算資源滿足以上要求，否則可能導致部署失敗。
單擊llama-2-7b-chat模型卡片，進入模型詳情頁面，單擊微調訓練。
配置模型訓練相關參數。
快速開始已經預設配置了計算資源配置和超參數配置，可以滿足大多數的使用情境，您也可以根據自己的實際業務進行修改。本實踐教程中需要配置的關鍵參數說明請參見下表。
參數
說明
訓練設定
輸出路徑
選擇OSS Bucket路徑，用來儲存訓練產生的模型檔案。
說明如果您在工作空間詳情頁面配置了工作空間儲存路徑，這裡會預設填充該路徑，無需手動設定。如何配置工作空間儲存路徑，請參見管理工作空間。
資料集配置
訓練資料集
為方便您試用體驗Llama2模型，快速開始已提供了預設的訓練資料，您可以直接使用。如果您不使用預設資料集，需要按照模型文檔中的訓練資料格式準備好訓練資料，然後通過以下兩種方式上傳訓練資料：
訓練資料支援JSON格式輸入，每條資料由問題、答案和ID組成，分別用
instruction、output和id欄位表示，例如：[ { "instruction": "以下文本是否屬於世界主題？為什麼美國人很少舉行閱兵？", "output": "是", "id": 0 }, { "instruction": "以下文本是否屬於世界主題？重磅！事業單位車改時間表已出！", "output": "不是", "id": 1 } ]為了更好地驗證模型訓練的效果，除了PAI已提供的訓練資料集之外，也推薦您準備一份驗證資料集，該資料集將用於在訓練中評估模型訓練的效果，以及訓練的參數最佳化調整。
單擊訓練，提交訓練作業。
在彈出的計費提醒對話方塊中，單擊確定。
頁面自動跳轉到任務詳情頁面。當任務狀態變為成功時，代表模型已經訓練完成。
已經完成訓練的模型會被儲存到OSS上，可在基本資料地區的輸出路徑中查看具體位置。
說明如果使用預設的資料集、超參數和計算資源配置，訓練大概耗時1小時30分鐘。如果使用自訂的訓練資料和配置項，訓練完成時間可能有所差異，通常應該會在數小時內完成。
部署微調模型。
部署以及調用微調模型的流程和直接部署模型相同，操作詳情請參見直接部署模型。
後續操作
您可以在快速開始頁面單擊任務管理，查看訓練任務和部署任務的詳情。
