我要投稿

阿里云大模型训练与推理开发

发布日期：2025-05-13 07:36:37 浏览次数： 1697

作者：计算机科学与技术研究员

微信搜一搜，关注“计算机科学与技术研究员”

本文主要描述阿里云大模型开发环境的搭建、训练数据集的制作流程、大模型如何训练数据集以及如何利用已训练完成的模型执行推理。

与阿里云一起

轻松实现数智化

让算力成为公共服务：用大规模的通用计算，帮助客户做从前不能做的事情，做从前做不到的规模。让数据成为生产资料：用数据的实时在线，帮助客户以数据为中心改变生产生活方式创造新的价值。

开发环境搭建

ModelScope社区是阿里云通义千问开源的大模型开发者社区。

如上所示，安装ModelScope社区大模型基础库开发框架的命令行参数，使用清华大学提供的镜像地址

如上所示，在JetBrains PyCharm的项目工程终端控制台中，安装深度学习基础库开发框架pytorch

如上所示，在JetBrains PyCharm的项目工程终端控制台中，安装深度学习基础库开发框架tensorflow

如上所示，在JetBrains PyCharm的项目工程终端控制台中，安装ModelScope社区大模型基础库开发框架

如上所示，在JetBrains PyCharm的项目工程终端控制台中，安装ModelScope社区大模型多模态领域开发框架

如上所示，在JetBrains PyCharm的项目工程的测试代码中，使用分词器对原文执行分析操作，输出分词列表

运行千问大模型

https://www.modelscope.cn/models/Qwen/Qwen2.5-0.5B-Instruct/files

如上所示，从ModelScope社区的模型仓库下载开源的千问大模型到本地

如上所示，在JetBrains PyCharm的项目工程的测试代码中，加载开源的千问大模型，设置本地开发环境使用CPU设备

如上所示，在JetBrains PyCharm的项目工程中运行测试代码完成

训练数据集制作

https://modelscope.cn/datasets/liucong/Chinese-DeepSeek-R1-Distill-data-110k/files

如上所示，从ModelScope社区下载数据集

如上所示，下载的数据集是文本格式，该数据集是用于监督型机器学习，可以将该数据集按照8:2的比例分成两个数据集，分别用于训练数据集以及测试评估数据集，也可以从整体数据集中随机抽取数据记录用于训练数据集以及测试评估数据集，或者根据实际的业务数据制作训练数据集以及测试评估数据集

如上所示，数据集的字段属性说明，输入的字段是提供给机器学习的输入，思考的字段是输出的强相关内容，输出的字段相当于监督型机器学习的分类输出

模型训练

如上所示，ModelScope社区是使用人工智能机器学习开源框架PyTorch，训练器包括训练过程以及评估过程，训练过程中经过多次迭代，不断优化参数，最终输出合适的参数，评估过程中经过多次迭代，最终输出评估的分数

如上所示，使用ModelScope社区的人工智能机器学习框架加载训练数据集以及测试评估数据集

如上所示，ModelScope社区的人工智能机器学习训练器的属性配置

如上所示，使用ModelScope社区的人工智能机器学习训练器执行数据训练

如上所示，使用ModelScope社区的人工智能机器学习训练器执行测试评估，以及保存训练完成的模型到指定的目录中

模型推理

如上所示，使用ModelScope社区的人工智能推理框架pipeline，对已完成训练的大模型执行推理

https://www.modelscope.cn/docs/sdk/pipelines

如上所示，ModelScope社区提供的pipeline推理框架支持的部分任务列表

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费场景POC验证，效果验证后签署服务协议。零风险落地应用大模型，已交付160+中大型企业

相关资讯

2025-06-26

深入理解大模型微调，LoRA超参数指南

2025-06-21

【大模型微调】5.调参经验总结与显存占用因素探究

2025-06-20

大模型微调，为什么99%的企业都不应该碰这个坑？

2025-06-17

手把手教你用LLaMA-Factory微调Qwen3大模型

2025-06-17

万不得已，不要对 LLM 进行微调？

2025-06-15

AI 彻底摆脱人类！Anthropic让模型自己微调自己，左脚踩右脚要上天……

2025-06-14

大模型微调(Fine-tuning)

2025-06-13

从0到1微调安全大模型

了解更多

了解更多

160+中大型企业正在使用53AI

立即咨询预约演示

把握AI发展的机遇，共同探索、共同进步

2025-01-22

如何打造基于GenAI的员工服务机器人

2025-01-22

热点资讯

RAGFlow vs Dify, 商业化落地场景选哪个？

2025-04-01

Qwen3小模型实测：从4B到30B，到底哪个能用MCP和Obsidian顺畅对话？

2025-04-30

LoRA 与QLoRA区别

2025-04-19

AI王炸：MCP服务端客户端的完整实现

2025-04-16

MCP vs Function Calling，该如何选？

2025-04-20

2025 AI驱动研发工具对比丨独立测评

2025-04-16

DeepSeek V3 0526更新？实测代码能力已经提升，附实测案例。

2025-05-26

低延迟小智AI服务端搭建-ASR篇（续）：CPU可跑

2025-04-19

国内企业应用AI大模型赋能软件测试的落地实践案例

2025-04-20

Gemini 2.5 Pro与Claude 3.7 Sonnet编程性能对比

2025-04-06

大家都在问

大模型微调，为什么99%的企业都不应该碰这个坑？

2025-06-20

万不得已，不要对 LLM 进行微调？

2025-06-17

可以将任何符合OpenAPI规范的接口转 MCP Server吗？

2025-05-21

OpenAI发布GPT-4.1系列模型，对行业最大吸引力是什么？

2025-05-17

私有部署大模型需要多少显存？

2025-05-14

软件公司如何为AI的下半场做准备？

2025-05-10

LoRA为何成为大模型微调不可或缺的核心技术？

2025-05-07

为什么AI多轮对话总是那么傻？

2025-05-07

热门标签

内容创作大模型技术个人提效 langchain llamaindex 多模态技术 RAG技术智能客服知识图谱模型微调 RAGFlow coze Dify Fastgpt Bisheng Qanything AI+汽车 AI+金融 AI+工业 AI+培训 AI+SaaS 提示词框架提示词技巧 AI+电商 AI面试数字员工 ChatBI 知识管理开源大模型智能营销智能硬件智能化改造 AI+医疗 MaxKB

应聘简历请发送至： ceo@53ai.com

友情链接：

CopyRight © 2012-2024 深圳市博思协创网络科技有限公司版权所有

粤ICP备17114055号

广州：广州市华景路37号(华景软件园)暨南大学科技大厦6楼（整层）

深圳：深圳市福田区泰然四路29号天安创新科技广场一期A座1204

上海：上海市浦东新区金新路58号1602室

微信扫码
和创始人交个朋友

联系我们

售前咨询

预约演示

微信扫码

添加专属顾问

回到顶部