华为云AI开发平台ModelArts训练作业调试_云淘科技

AI开发平台ModelArts

11 月 17, 2023

173 0

创建在线训练作业前，可先通过创建本地训练作业来进行调试，可以参考案例“tensorflow_mlp_mnist_local_mode”（单击进入ModelArts控制台）。

示例代码

在ModelArts notebook平台，Session鉴权无需输入鉴权参数。其它平台的Session鉴权请参见Session鉴权。

步骤1：创建本地训练作业。当“train_instance_type”为“local”时，表示创建的是本地训练作业，可以用来调试代码和参数。

from modelarts.session import Session
from modelarts.estimator import Estimator
from modelarts.environment import Environment
from modelarts.environment.conda_env import CondaDependencies

session = Session()
env = Environment("tensorflow_mlp_mnist")
cd = CondaDependencies.create(pip_packages=["tensorflow==1.13.1", "requests"], conda_packages=["python=3.6.2"])
env.conda = cd
src_local_path = "/home/ma-user/work/tensorflow_mlp_mnist_local_mode/train/"
train_file = "tensorflow_mlp_mnist.py"
estimator = Estimator(modelarts_session=session,
                      code_dir=src_local_path,            # 本地训练脚本目录
                      boot_file=train_file,               # 本地训练启动脚本目录
                      train_instance_type='local',        # 指定为本地训练
                      train_instance_count=1,             # 训练节点个数
                      environment=env)                    # 训练脚本运行的环境
job_instance = estimator.fit(wait=False, job_name='my_training_job')

步骤2：本地训练作业完成后，可以创建为在线训练作业。当“train_instance_type”为训练环境规格时，表示创建的是在线训练。

from modelarts.session import Session
from modelarts.estimator import Estimator
from modelarts.environment import Environment
from modelarts.environment.conda_env import CondaDependencies

session = Session()
env = Environment("tensorflow_mlp_mnist")
cd = CondaDependencies.create(pip_packages=["tensorflow==1.13.1", "requests"], conda_packages=["python=3.6.2"])
env.conda = cd
src_local_path = "/home/ma-user/work/tensorflow_mlp_mnist_local_mode/train/"
train_file = "tensorflow_mlp_mnist.py"
estimator = Estimator(modelarts_session=session,
                      code_dir=src_local_path,                          # 训练脚本目录
                      boot_file=train_file,                             # 训练启动脚本目录
                      train_instance_type='modelarts.vm.cpu.2u',        # 在线训练
                      train_instance_count=1,                           # 训练节点个数
                      environment=env)                                  # 训练脚本运行的环境
job_instance = estimator.fit(wait=False, job_name='my_training_job')

参数说明

表1 Environment参数说明
参数	是否必选	类型	说明
name	是	String	环境名称。
conda	否	CondaDependencies	conda环境，具体请参见表2。

表2 CondaDependencies参数说明
参数	是否必选	类型	说明
channels	否	List	python包的下载源。
pip_packages	否	List	conda虚拟环境需要使用的python包，如tensorflow，pillow等。
conda_packages	否	List	conda虚拟环境需要使用的conda包，如指定python版本。

表3 Estimator请求参数说明
参数	是否必选	参数类型	描述
modelarts_session	是	Object	会话对象，初始化方法请参见Session鉴权。
train_instance_count	是	Int	训练作业计算节点个数。
code_dir	否	String	训练作业的代码目录，如“/bucket/src/”。当填入model_name时不需要填写。
boot_file	否	String	训练作业的代码启动文件，需要在代码目录下，如“/bucket/src/boot.py”。当填入model_name时不需要填写。
model_name	否	String	训练作业的内置算法模型名称。填入model_name后app_url与boot_file_url不需填写，framework_type和framework_version也不需要填写。“model_name”请从查询预置算法接口中获取。
output_path	是	String	训练作业的输出位置。
hyperparameters	否	JSON Array	训练作业的运行参数，为label-value格式，其中lable和value的值均为String类型；当为自定义镜像训练作业的时候，此参数为容器环境变量。
log_url	否	String	训练作业的日志OBS输出路径URL，默认为空。如：“/usr/log/”。
train_instance_type	是	String	训练作业选择的资源规格。若选择在训练平台训练，请从查询资源规格列表接口获取。
framework_type	否	String	训练作业选择的引擎规格。请从查询引擎规格列表接口获取引擎规格。当填入model_name时不需要填写。
framework_version	否	String	训练作业选择的引擎版本。请从查询引擎规格列表接口获取引擎版本。当填入model_name时不需要填写。
job_description	否	String	训练作业的描述。
user_image_url	否	String	自定义镜像训练作业的自定义镜像的SWR-URL。如：“100.125.5.235:20202/jobmng/custom-cpu-base:1.0”。
user_command	否	String	自定义镜像训练作业的自定义镜像的容器的启动命令。形式为：“bash /home/work/run_train.sh python /home/work/user-job-dir/app/train.py {python_file_parameter}” 。
pool_id	否	String	训练作业选择的资源池ID，可在ModelArts管理控制台，单击左侧“专属资源池”，在专属资源池列表中查看资源池ID。

表4 fit请求参数说明
参数	是否必选	参数类型	描述
inputs	是	String	训练作业的数据存储位置。 inputs和（dataset_id、dataset_version_id）、data_source三者不可同时出现，但必须有其一。本地训练只支持该参数。
dataset_id	否	String	训练作业的数据集ID。获取数据集ID，请参见查看数据集的基本信息。应与dataset_version_id同时出现，但不可与inputs同时出现。
dataset_version_id	否	String	训练作业的数据集版本ID。获取数据集版本ID，请参见查看数据集的基本信息。应与dataset_id同时出现，但不可与inputs同时出现。
wait	否	Boolean	是否等待训练作业结束，默认为False。
job_name	否	String	训练作业的名称，支持[a-zA-Z0-9_-]{1,64}。若不填，则会动态生成一个job_name。

父主题： 训练作业

同意关联代理商云淘科技，购买华为云产品更优惠（QQ 78315851）

内容没看懂？不太想学习？想快速解决？有偿解决：联系专家

华为云AI开发平台ModelArts训练作业调试_云淘科技

示例代码

参数说明

分类

近期文章

近期评论

友情链接

分类目录

示例代码

参数说明

相关文章

分类

近期文章

近期评论

友情链接

分类目录