任务式建模简介
任务式建模提供通过向导式的训练任务提交方式进行模型构建,支持基于多种算法来源进行训练任务提交,可直接通过代码包绑定主流训练框架启动训练任务,快速使用主流高性能及分布式训练框架提交训练任务。下面将由一个简单的PyTorch MPIJob 演示如何使用任务式建模快速创建任务
数据准备
数据集
本案例使用 mnist 数据集,下载地址为数据集
代码包
本案例的训练脚本是使用 PyTorch 框架撰写的,代码包下载地址为代码包
操作步骤
新建任务第一步
- 进入【训练工坊】-【任务式建模】,单击【新建】,开始进入向导式训练任务创建。
在基本信息页,填写如下信息:
- 任务名称:mnist_train
- 训练框架选择:内置框架 / PyTorch / 1.9-py3.6-cuda11.1-gpu
- 训练模式:MPI
- 计费模式:后付费
- 算力规格:8C40G V100*1
- 节点数量:1个
- 标签和描述:无需填写
填写完毕后点击下一步,开始填写任务配置页
新建任务第二步
在任务配置页,填写如下信息:
算法来源:
- 代码包:点击【选择文件】,在弹出的 COS 对话框中,选择需要使用的存储桶,点击左下方【上传文件夹】将准备好的代码包(需要先解压)文件夹mnist.pytorch上传至COS存储桶中,并选定代码包所在路径
- 启动命令:填写 sh start.sh
数据来源:选择 COS 数据
- 映射路径:填写 train
- 数据所在路径:点击【选择文件】,在弹出的COS对话框中,选择需要使用的存储桶,点击左下方【上传文件夹】,将数据集解压后的文件夹ti-images上传,上传完成后选中文件夹路径,如图所示
调优参数:无
训练输出:点击【选择文件】,在弹出的COS对话框中,选择需要使用的存储桶,选择训练输出数据需要保存的路径,如图所示
- CLS日志:选择不投递
- VPC:选择不使用
配置完成后,可在页面底部查看本次训练任务的每小时收费价格,点击确定,即完成任务提交。
本页内容是否解决了您的问题?