快速入门¶

本文提供了简单的操作手册以便用户使用 DCE 5.0 AI Lab 进行数据集、Notebook、任务训练的整个开发、训练流程。

准备数据集¶

点击 数据管理 -> 数据集 ，选择 创建 按钮，分别创建以下三个数据集。

数据集：训练代码¶

• 代码数据源：https://github.com/samzong/training-sample-code.git，主要是一个简单的 Tensorflow 代码。
• 如果是中国境内的用户，可以使用 Gitee 加速：https://gitee.com/samzong_lu/training-sample-code.git
• 代码路径为 tensorflow/tf-fashion-mnist-sample

数据集：训练数据¶

本次训练使用的数据为 https://github.com/zalandoresearch/fashion-mnist.git， 这是 Fashion-MNIST 数据集。

如果是中国境内的用户，可以使用 Gitee 加速：https://gitee.com/samzong_lu/fashion-mnist.git

数据集：空数据集¶

AI Lab 支持将 PVC 作为数据集的数据源类型，所以创建一个空 PVC 绑定到数据集后，可将空数据集作为存放后续训练任务的输出数据集，存放模型和日志。

环境依赖: tensorflow¶

脚本在运行时，需要依赖 Tensorflow 的 Python 库，可以使用 AI Lab 的环境依赖管理功能，提前将需要的 Python 库下载和准备完成，无需依赖镜像构建

参考 环境依赖 的操作方式，添加一个 CONDA 环境.

name: tensorflow
channels:
  - defaults
  - conda-forge
dependencies:
  - python=3.12
  - tensorflow
prefix: /opt/conda/envs/tensorflow

使用 Notebook 调试脚本¶

准备开发环境，点击导航栏的 Notebooks ，点击 创建 。

• 将准备好的三个数据集进行关联，挂载路径请参照下图填写，注意将需要使用的空数据集在 输出数据集位置配置

  

• 选择并绑定环境依赖包

  等待 Notebook 创建成功，点击列表中的访问地址，进入 Notebook。并在 Notebook 的终端中执行以下命令进行任务训练。

  

  Note

  脚本使用 Tensorflow，如果忘记关联依赖库，也可以临时用 pip install tensorflow 安装。

  python /home/jovyan/code/tensorflow/tf-fashion-mnist-sample/train.py
  

创建训练任务¶

1. 点击导航栏的 任务中心 -> 训练任务 ，创建一个 Tensorflow 单机任务
2. 先填写基本参数后，点击 下一步

3. 在任务资源配置中，正确配置任务资源后，点击 下一步

   • 镜像：如果前序环境依赖包准备好了，使用默认镜像即可； 如果未准备，要确认镜像内有 tensorflow 的 Python 库
   • shell：使用 bash 即可

   • 启用命令：

     python /home/jovyan/code/tensorflow/tf-fashion-mnist-sample/train.py
     

4. 在高级配置中，启用 任务分析（Tensorboard） ，点击 确定 。

   Note

   日志所在位置为输出数据集的 /home/jovyan/model/train/logs/

   

5. 返回训练任务列表，等到状态变为 成功 。点击列表右侧的 ┇ ，可以查看详情、克隆任务、更新优先级、查看日志和删除等操作。

   

6. 成功创建任务后，在左侧导航栏点击 任务分析 ，可以查看任务状态并对任务训练进行调优。

   

评论