如果你对MindSpore感兴趣，可以关注昇思MindSpore社区

大模型平台

平台说明

昇思大模型平台旨在为AI学习者和开发者提供在线学习的项目、模型、大模型体验和数据集的平台。我们也添加了各领域的经典数据集来帮助学习者解决AI学习过程中的一系列难题， 如高质量的数据集不易获得，以及本地难以使用大体量数据集进行模型训练等。为用户提供多种业务场景的支持。

本文将引导用户对该平台的基础功能进行一个快速浏览， 以便用户了解该平台的主要功能。

快速开始

我们的平台提供了四大模块，分别是：

项目模块：覆盖多领域任务，体验全流程开发，支持用户在线训练和推理可视化，可创建自己的项目空间。

模型模块：覆盖全领域主流模型，可体验MindSpore大模型推理API，用户既可下载公开的预训练模型，也可以上传自行训练的模型文件。

大模型模块：在线体验预训练超大模型任务。

数据集模块：在数据集仓库中，你既可以下载公开的数据集，也可以上传合规的数据集。

鼠标点击头像栏按钮即可快速进入个人中心：

平台内容

平台主要有项目、模型、数据集、三大部分，

• 项目：覆盖多领域任务，体验全流程开发，支持用户在线训练和推理可视化，可创建自己的项目空间。
• 模型：覆盖全领域主流模型，可体验MindSpore大模型推理API，用户既可下载公开的预训练模型，也可以上传自行训练的模型文件。
• 大模型：在线体验预训练超大模型任务。
• 数据集：在数据集仓库中，你既可以下载公开的数据集，也可以上传合规的数据集。

昇思大模型平台为使用者预置华为AI Mindspore深度学习开发框架点击即可配置开发环境。

昇思大模型平台：让AI学习更简单！

登录昇思大模型平台：https://xihe.mindspore.cn/projects ，选择在线编程进行体验

启动Ascend

进入后左侧有相关目录可以进行学习参考

进入LLM原理和实践，可以查看到很多应用案例

应用体验

点击运行该案例，会逐步往下运行，运行结果需要等待 

安装mindspore等包 

模型与数据集加载

本案例对roberta-large模型基于GLUE基准数据集进行prompt tuning。

prompt tuning配置，任务类型选为"SEQ_CLS", 即序列分类。

加载tokenizer。如模型为GPT、OPT或BLOOM类模型，从序列左侧添加padding，其他情况下从序列右侧添加padding。

打印训练集

加载模型这里需要花较长时间，需耐心等待，警告可忽略，0.29%参数参与

模型微调（prompt tuning）

指定优化器和学习率调整策略

按照如下步骤定义训练逻辑：

1、构建正向计算函数

2、函数变换，获取微分函数

3、定义训练一个step的逻辑

4、遍历训练数据集进行模型训练，同时每一个epoch后，遍历验证数据集获取当前的评价指标（accuracy、f1 score）

最后得出训练20轮后的评价指标