训练模型
完成数据的标注，即可在「模型中心」目录中点击「训练模型」，开始模型的训练。
按以下步骤操作，启动模型训练：
Step 1 选择模型
选择此次训练的模型
Step 2 训练配置
部署方式
可选择「公有云部署」、「EasyEdge本地部署」。
如何选择部署方式
选择设备
- 如果您选择了「EasyEdge本地部署」，请根据实际部署设备选择
- 如果您选择了「公有云部署」，无需选择设备
选择算法
您可以根据训练的需求，选择「高精度」或「高性能」算法。不同的算法将影响训练时间、预测速度与模型准确率。如果您手中的标注数据集样本较少（例如少于1000条），可选择「高精度」的算法；如果您手中有充足的数据集，您可选择「高性能」的算法。
- 高精度：预测准确率效果更高，训练时长与训练文本的长度和数量成正比，1000个样本预计在20分钟完成训练
- 高性能：在相同续联数据量的情况下，有着更快的预测速度，但准确度效果平均损失1~4%
「高精度」算法内置文心大模型，将大数据预训练与多源丰富知识相结合，通过持续学习技术，不断吸收海量文本数据中词汇、结构、语义等方面的新知识，实现模型效果不断进化
Step 3 添加数据
添加训练数据
- 先选择数据集，再按标签（评价观点词、评价维度、情感倾向、评价片段）选择数据集里的文本，可从多个数据集选择文本
- 训练时间与数据量大小、选择的算法、训练环境有关
添加自定义测试集
上传不包含在训练集的测试数据，可获得更客观的模型效果评估结果。
添加自定义测试集的目的：
如果学生的期末考试是平时的练习题，那么学生可能通过记忆去解题，而不是通过学习的方法去做题，所以期末考试的试题应与平时作业不能一样，才能检验学生的学习成果。那么同理，AI模型的效果测试不能使用训练数据进行测试，应使用训练数据集外的数据测试，这样才能真实的反映模型效果
期末考试的内容属于学期的内容，但不一定需要完全包括所学内容。同理，测试集的标签是训练集的全集或者子集即可
Step 4 训练模型
点击「开始训练」，即可开始训练模型。
- 训练时间与数据量大小、选择的算法、训练环境有关
- 训练环境可选择GPU P40或GPU V100。其中GPU P40可以免费使用；GPU V100训练速度更快，需要付费使用，可参考价格说明
- 模型训练过程中，可以设置训练完成的短信提醒并离开页面
