Platform For AI：構建與調試模型

前提條件

已建立工作流程。

模型構建

通常一個模型可以拆分為多個細分的節點（即組件）任務，通過節點任務的前後編排形成工作流程來最終實現模型預期效果。在建模前，建議您先拆分模型並規劃好細分的節點任務。通常建議一個節點完成一個最簡單的任務。模型構建總體流程如下：

1. 在左側組件列表中搜尋或找到目標組件，將目標組件拖入畫布中。

   其中，在組件列表中有紫色標識的為Alink組件（例如下圖中的讀CSV檔案組件），除了具備普通組件的用法外還支援彙總成組，通過對組進行資源配置，提升執行效率和資源使用率，詳情請參見Alink組件。

2. 單擊目標節點，在介面右側進行組件參數配置。

3. 通過連線將各個節點群組織成具有上下遊關係的工作流程。

   每個節點有一個或多個輸入/輸出端。將滑鼠懸浮至組件的各連接埠上，可以查看連接埠的資料類型，從而根據資料類型進行連線。

後續模型實際運行時，上遊節點會先運行，所有上遊節點均運行完成後，下遊節點才會觸發運行。

模型構建通常包含以下任務模組：

讀取資料

在工作流程中通過添加源/目標類型組件實現資料讀取，支援讀取MaxCompute、OSS等資料，詳情可參見組件參考：源/目標下具體組件文檔。本文以讀取MaxCompute資料為例。

1. 已在MaxCompute建立表並匯入資料，詳情請參見建立並使用MaxCompute表。

   本文以在test專案下建立heartdisease表為例，並匯入測試資料。

   --建立表
   CREATE TABLE IF NOT EXISTS heartdisease(
     age STRING COMMENT '對象的年齡。',
     sex STRING COMMENT '對象的性別，取值為female或male。',
     cp STRING COMMENT '胸部疼痛類型，痛感由重到輕依次為typical、atypical、non-anginal及asymptomatic。',
     trestbps STRING COMMENT '血壓。',
     chol STRING COMMENT '膽固醇。',
     fbs STRING COMMENT '空腹血糖。如果血糖含量大於120mg/dl，則取值為true，否則取值為false。',
     restecg STRING COMMENT '心電圖結果是否有T波，由輕到重依次為norm和hyp。',
     thalach STRING COMMENT '最大心跳數。',
     exang STRING COMMENT '是否有心絞痛。true表示有心絞痛，false表示沒有心絞痛。',
     oldpeak STRING COMMENT '運動相對於休息的ST Depression，即ST段壓值。',
     slop STRING COMMENT '心電圖ST Segment的傾斜度，程度取值包括down、flat及up。',
     ca STRING COMMENT '透視檢查發現的血管數。',
     thal STRING COMMENT '病發種類，由輕到重依次為norm、fix及rev。',
     `status` STRING COMMENT '是否患病。buff表示健康，sick表示患病。',
     style STRING);
   --本文僅為展示，直接匯入PAI公開的測試資料
   INSERT INTO heartdisease select * from pai_online_project.heart_disease_prediction;

2. 將讀資料表組件拖入右側畫布中，用於讀取MaxCompute表資料。

   畫布中會自動產生一個名稱為讀資料表-1（名稱中的數字按畫布中相同組件拖入的先後順序，首次為1，以此類推）的工作流程節點。

3. 在節點配置頁面配置來源資料表名，更多參數詳情請參見讀資料表。

   在畫布中選中讀資料表-1節點，在右側節點配置頁面的表名中填寫對應的MaxCompute表名。本樣本填寫為heartdisease。

   說明

   跨MaxCompute專案（Project）讀取表資料時，表名需要使用專案名.表名格式（例如test2.heartdisease），並確認具有專案許可權。

4. 將右側的節點配置頁面切換到欄位資訊頁簽，查看此公開資料的欄位詳情。

資料預先處理

讀取資料後，通常需要對資料進行預先處理，以滿足訓練或預測模型輸入要求。Designer提供了豐富的資料預先處理和大模型資料處理組件。

此外，您可以使用SQL指令碼組件自訂待實現功能的SQL指令碼。例如，本文通過SQL指令碼對輸入特徵進行資料類型轉換，指令碼樣本如下：

select age,
(case sex when 'male' then 1 else 0 end) as sex,
(case cp when 'angina' then 0  when 'notang' then 1 else 2 end) as cp,
trestbps,
chol,
(case fbs when 'true' then 1 else 0 end) as fbs,
(case restecg when 'norm' then 0  when 'abn' then 1 else 2 end) as restecg,
thalach,
(case exang when 'true' then 1 else 0 end) as exang,
oldpeak,
(case slop when 'up' then 0  when 'flat' then 1 else 2 end) as slop,
ca,
(case thal when 'norm' then 0  when 'fix' then 1 else 2 end) as thal,
(case status  when 'sick' then 1 else 0 end) as ifHealth
from  ${t1};

模型訓練

模型組件通常上遊接入預先處理後的資料，下遊接入預測或推理等組件。模型組件可能有一個或多個輸入/輸出端。將滑鼠懸浮至組件的各連接埠上可以查看連接埠類型，從而根據類型進行正確連線。

以羅吉斯迴歸二分類組件為例，其有2個輸出連接埠：

• 羅吉斯迴歸模型：訓練後的模型輸出連接埠，可作為預測等組件的模型結果輸入。

• PMML：模型部署通常依賴PMML模型。例如，如果您需要通過預置的Processor（如PMML Processor）部署產生的模型，則需在支援產生模型的組件參數中選中是否產生PMML，再運行組件。

您也可以同時針對多個模型或相同模型配置不同參數進行訓練。例如，在LLM大語言模型端到端鏈路：資料處理+模型訓練+模型推理案例中您可以並行地對qwen-7b-chat和llama2-7b-chat兩個模型進行微調，然後使用同一批測試資料來比較它們推理後產生的結果。

模型預測或推理

模型訓練後，您可以串連預測或推理等組件，測試模型效果。

以預測組件為例，預測組件有2個輸入連接埠：

• 模型結果輸入：將模型訓練部分訓練好的模型作為輸入。

• 預測結果輸入：將（預先處理後的）測試資料作為輸入。

模型評估

部分模型提供了評估組件，您可以使用對應的評估組件通過相關指標對模型效果進行分析。

例如，機器學習提供了如下評估組件，您可以根據需要作為預測組件的下遊。

模型調試

調試運行

• 整個工作流程：單擊畫布左上方的（運行）表徵圖，直接運行整個工作流程。當工作流程比較複雜時，建議您分模組運行某個節點或部分節點，以方便進行調試。

• 單個或局部組件：右鍵目標組件進行單個或局部節點運行，支援多種運行方式。

  

運行成功後對應組件上會顯示，失敗會顯示，您可以按右鍵組件查看日誌及結果。

查看日誌及結果

• 查看資料和可視化分析：

  組件運行成功後，您可以按右鍵組件選擇查看資料，查看產出資料。

  對於部分組件，Designer支援將資料轉化為圖形和圖表，以直觀、易懂的方式展示複雜的資料和分析結果，協助您快速擷取關鍵資訊，識別趨勢和模式，從而更高效地進行分析和決策。您還可以單擊可視化分析或畫布上方的可視化表徵圖，進行可視化分析，詳情請參見可視化分析。

• 查看日誌：組件運行失敗時，您可以可按右鍵對應組件選擇查看日誌，排查具體失敗原因。

查看運行任務

單擊畫布右上方全部任務查看，查看所有歷史任務的運行詳情。在建模過程中，您的每次運行都會被記錄為一次歷史任務。每次運行涉及的節點、節點的配置、產出結果均會保留在歷史任務中。

相關文檔

• 模型調試完成後，您可以將已訓練好的模型註冊為一個新的模型並進行管理，詳情請參見註冊及管理模型。

• 模型調試完成後，您可以對模型進行部署和線上預測，詳情請參見模型預測及部署。

• Designer提供了更新EAS服務(Beta)組件，實現模型服務更新，詳情請參見線上模型服務定時更新。

• 支援通過DataWorks實現工作流程的離線調度，周期性地更新模型，詳情請參見使用DataWorks離線調度Designer工作流程。

• 更多組件請參見組件參考。

• 可視化建模（Designer）計費說明。