> ## Documentation Index
> Fetch the complete documentation index at: https://docs.origincloud.com.cn/llms.txt
> Use this file to discover all available pages before exploring further.
# AI 智能推荐
起源云的 AI 智能推荐系统可以根据你的训练任务，自动推荐最合适的 GPU、镜像和配置，帮助你节省选择时间和成本。
***
## 功能概述
AI 智能推荐系统通过分析以下因素，为你提供个性化建议：
* 模型类型和规模
* 数据集大小
* 训练目标（速度 vs 成本）
* 历史使用记录
***
## 如何使用
### 1. 在创建实例时使用
创建实例时，点击"智能推荐"按钮：
### 2. 填写训练需求
系统会询问以下信息：
```
📋 请告诉我们你的训练需求：
1. 你要训练什么类型的模型？
□ 图像分类
□ 目标检测
□ 语义分割
□ 自然语言处理（NLP）
□ 大语言模型（LLM）
□ 其他
2. 模型规模大致是多少？
□ 小型（< 100M 参数）
□ 中型（100M - 1B 参数）
□ 大型（1B - 10B 参数）
□ 超大型（> 10B 参数）
3. 数据集大小？
□ 小（< 10GB）
□ 中（10GB - 100GB）
□ 大（> 100GB）
4. 你更关注什么？
□ 训练速度（性能优先）
□ 成本控制（性价比优先）
□ 均衡考虑
```
### 3. 获取推荐方案
系统会给出详细的推荐方案：
**推荐内容包括：**
* **GPU 型号**：最适合的 GPU 类型和数量
* **镜像选择**：预装相关框架的官方镜像
* **配置建议**：CPU、内存、数据盘大小
* **预估费用**：大致的训练成本
* **替代方案**：其他可选配置
***
## 推荐示例
### 示例 1：图像分类任务
**输入：**
* 模型：ResNet-50
* 数据集：ImageNet（150GB）
* 目标：性价比优先
**推荐方案：**
```
🎯 推荐配置
GPU: 1 × RTX 4080 (16GB)
镜像: PyTorch 2.0 + CUDA 11.8
CPU: 16 核
内存: 64GB
数据盘: 200GB
💰 预估费用: ¥3-5/小时
⏱️ 预估训练时间: 12-16 小时
📝 推荐理由:
- RTX 4080 16GB 显存足够 ResNet-50 + 大批量
- 性价比优秀，训练速度快
- 数据盘 200GB 可存放数据集和模型
```
### 示例 2：大语言模型微调
**输入：**
* 模型：LLaMA-7B LoRA 微调
* 数据集：自定义问答数据（5GB）
* 目标：速度优先
**推荐方案：**
```
🎯 推荐配置
GPU: 1 × RTX 4090 (24GB)
镜像: PyTorch 2.1 + CUDA 12.1
CPU: 32 核
内存: 128GB
数据盘: 100GB
💰 预估费用: ¥8-12/小时
⏱️ 预估训练时间: 4-6 小时
📝 推荐理由:
- 24GB 显存支持 LLaMA-7B LoRA 微调
- 4090 训练速度快，缩短总时间
- 虽然单价高，但总成本可控
⚠️ 替代方案:
如预算有限，可选 2 × RTX 4080 (16GB)
通过模型并行实现类似效果
```
***
## 智能优化建议
推荐系统还会提供训练优化建议：
### 成本优化建议
如果你的任务对时间不敏感，系统会建议：
```
💡 成本优化建议
1. 使用无卡创建准备环境
→ 节省 1-2 小时 GPU 费用（约 ¥30-60）
2. 使用低配 GPU 调试代码
→ 确认无误后再升级到高配 GPU
3. 设置定时关机
→ 防止忘记关机造成浪费
```
### 性能优化建议
如果你选择性能优先，系统会建议：
```
⚡ 性能优化建议
1. 启用混合精度训练（FP16）
→ 提升 1.5-2x 训练速度
2. 增大批量大小（batch size）
→ 充分利用 GPU 显存
3. 使用数据并行（多卡）
→ 4 卡可获得 3-3.5x 加速比
```
***
## 推荐准确度
我们的 AI 推荐系统基于：
* **10,000+** 真实训练任务数据
* **50+** 不同 GPU 型号的性能测试
* **持续学习** 用户反馈和新硬件
**准确率：**
* GPU 选择准确率：**90%+**
* 成本预估误差：**±15%**
* 时间预估误差：**±20%**
***
## 常见问题
### Q: 推荐的配置一定最优吗？
A: 推荐基于统计数据，但每个任务有特殊性。你可以：
* 参考推荐但自主调整
* 利用在线升降配功能随时优化
### Q: 能否保存推荐方案？
A: 可以。推荐结果会自动保存在你的账号下，方便下次参考。
### Q: 推荐考虑了哪些因素？
A: 系统综合考虑：
* 模型和数据集特征
* GPU 显存和计算性能
* 当前 GPU 库存情况
* 你的历史偏好
### Q: 新手完全不懂怎么办？
A: 直接选择"快速创建"，系统会用最保守的推荐方案，确保能正常使用。
***
## 反馈与改进
如果推荐不准确，欢迎反馈！你的反馈会帮助我们：
* 改进推荐算法
* 优化建议准确度
* 增加更多场景支持
**反馈渠道：**
* 控制台反馈功能
* 用户交流群
***
让 AI 帮你做出最优选择，专注于模型训练本身！