AI 开发

AI（Artificial Intelligence，人工智能）开发，指研究开发用于模拟人的思维和认知能力的应用。这类应用的核心能力在于，能够根据给定的输入做出合理的判断或预测。 AI 开发过程，涉及如下概念：

• 数据
  数据是 AI 开发的关键资产，AI 应用最终能够合理的预测或判断给定的输入，正是因为曾大批量的学习过这类数据从而获取了这类数据的特征，在给定输入后，AI应用能够通过其特征给出合理的判断。
  在本产品中数据分为两部分：

  • 数据集：用户自行上传到平台的数据。
  • 数据源：用户的数据存储在外部平台，外部平台可接入到本平台。

• 代码
  这里的代码特指 AI 模型开发过程中，用于引导模型训练的代码。在本产品中代码分为两部分：

  • 代码集：用户自行上传到平台中的代码。
  • 外部代码仓库：用户已有的代码在外部代码管理平台，如 GitHub 等。

• 模型
  模型，指 AI 开发过程中已具备一定推理（预测）能力但又还未部署为应用的中间态产物，该状态下，可被反复训练从而拥有更高的推理能力。

• 训练
  训练指模型学习数据特征的过程，模型通过不断训练才能够掌握数据特征。这样，在面对给定输入时，模型才能够给出合理的判断和预测。

  • 离线训练：算法工程师进行模型训练活动的过程，因为训练活动一般都是使用离线任务来执行，所以又称为离线训练。
  • 单机训练：算法工程师使用单个实例（机器）进行训练的任务，单机任务支持使用纯 CPU 环境、物理 GPU 环境和虚拟 GPU 环境。
  • 分布式训练：分布式任务指使用多个实例（机器）进行同时训练模型，在资源充沛的情况下，使用分布式任务可以极大的降低训练总体时间。

• 推理
  指模型根据给定的输入来做判断或预测的过程，推理能够检测人工智能应用或模型是否足够智能，如果模型的推理正确性不高，则需调整训练方式再次投入训练以达到最佳的推理效果。

公开性

平台为提高协同开发能力，针对 AI 资产、项目提出了公开性的概念，即作为 AI 资产或项目的拥有者/创建者，可以为项目或资产设置公开性，包括：

公开性	描述
私有	创建者可见、可使用、可管理（修改/删除）该资源。
共享	创建者指定共享到某个空间，共享空间的所有成员可见、可使用该资源。
公开	平台所有人可见、可使用该资源。

针对公开性，平台为便于您快速找到所需的资源，为您设置了资源标签：

• 我的：我创建的资源。
• 空间：别人共享至当前空间的资源。
• 公开：平台中所有公开的资源。

配额

配额是空间/个人可同时使用的硬件资源总量，平台为管理资源分配而提出的概念，其分配的对象包括空间和空间成员，可避免资源浪费或分配不均。

• 平台分配给空间的资源量称为 空间配额。
  空间内所有成员可并发使用资源的总和。
• 空间分配给空间成员的资源量称为 空间成员配额。
  空间拥有者需要给空间配额中每一项配额资源设定超分比例，超分比例范围 1~10。每个空间成员的配额遵循公式 每位空间成员配额 =（空间资源配额 * 超分比例） / 空间总成员数（结果向上取整）
  空间拥有者也可以单独为某个空间成员指定可使用的配额，一旦指定了成员配额，该成员在计算配额时则会忽略以上设置超分比的设置。

可分配的资源包括：CPU、内存、GPU、显存、临时存储、持久化存储，这些资源也被称为 配额项。其中：

• 临时存储：存储开发环境或其他任务启动所依赖的环境本身，当任务完成或开发环境停止则临时存储资源被系统回收。
• 持久化存储：用于存储用户的 AI 资产，包括：数据、镜像、代码。

算力

可理解为计算能力或处理数据的能力，目前能够提供计算能力和处理数据能力的有 GPU 和 CPU，因此它们又被称为算力资源。

镜像

平台中所述的镜像，指打包了操作系统及相关 AI 开发所使用的框架及工具库的压缩文件，可用来创建开发环境和训练环境。

JupyterLab

JupyterLab 是一种基于 web 的集成开发环境，您可以使用它编写 notebook、操作终端、编辑 markdown 文本、打开交互模式、查看 csv 文件及图片。