概述

使用pytorch实现的多层感知机分类算法，可运行于异构资源池上。

该算子通过cuda自动判断gpu是否可用。若gpu可用，优先使用gpu训练；否则使用cpu训练。

输入

参数	子参数	参数说明
data_url	_	data_url为输入数据存储的obs文件夹路径。eg. obs://test/data/

输出

参数	子参数	参数说明
train_url	_	train_url 为模型训练结果保存的obs文件夹路径，用于保存输出模型文件。eg. obs://test/train_out/

参数说明

参数	是否必选	参数说明	默认值
feature_index_list	是	feature列的index,不同index之间以’,’分割。eg. 1,2,3,4	“”
label_index	是	label列的index。 eg. 5	“”
hidden_layer_list	是	隐藏层神经元的个数,不同数值之间以’,’分割，每个数值代表每一层神经元的个数。 int类型，范围[]	“10,5”
hidden_layer_activation	是	隐藏层激活函数，可选；范围[‘Sigmoid’,’ReLU’]	Sigmoid
epochs	是	训练迭代次数,int类型，范围[]	4
batch_size	是	batch_size大小,int类型，范围[]	24
learning_rate	是	学习率，double类型，范围[0,10]	0.01

样例

数据样本

公开数据集: ionosphere数据集。

配置流程

运行流程

将多层感知机分类(pytorch)算子拖入画布，并进行参数配置。

单击界面上面发布算链到DLI按钮，将配置好的算子发布到DLI。

配置对应的DLI工作空间、名称、队列及OBS存放路径。

在DLI界面的数据开发-作业开发页签下，点击作业新建作业。

配置作业名称等相关参数，单击“确定”保存。

作业列表中找到4中新建的作业，并在右侧选项中选择ModelArts Train并拖入右侧画布中。

配置节点名称等信息，工作流选择上述MLS界面提交发布的工作流。

依次上方保存，提交按钮，并右键单击测试运行，将DLI作业下发至ModelArts运行。

查看结果

在ModelArts训练作业界面可查看刚刚下发的DLI作业，点击进入可查看相关日志及运行详情。

训练所得模型保存在配置流程1.将多层感知机分类(pytorch)算子拖入画…中所设置的obs目录中。

父主题： 分类

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