更新时间:2022-09-06 GMT+08:00
分享

使用时序预测算法实现访问流量预测

本案例介绍使用AI Gallery中预置的时序预测算法实现访问流量预测。

准备工作

  • 已注册华为云帐号,且在使用ModelArts前检查帐号状态,帐号不能处于欠费或冻结状态。
  • 当前帐号已完成访问授权的配置。如未完成,请参考使用委托授权针对之前使用访问密钥授权的用户,建议清空授权,然后使用委托进行授权。
  • 已在OBS服务中创建桶和文件夹,用于存放样例数据集以及模型。

场景介绍

针对有一定AI基础的AI初学者,ModelArts基于业界的主流引擎提供了预置算法,无需关注算法开发过程,直接使用预置算法对已有数据进行训练,并快速部署为服务。时序预测可针对时间序列数据进行预测。

本案例提供了一个访问流量预测的样例,帮助您快速熟悉使用ModelArts AI Gallery算法训练的过程。此样例针对问流量数据cdn.csv,利用lstm预测得到接下来一个时间段内的结果。

步骤1:数据准备

  1. 进入域名流量数据集,单击“下载”,将“cdn.csv”数据集下载至目标位置OBS目录。
  2. 设置“目标区域”“目标位置”,然后单击“下一步”
    • “目标区域”:此处选择的区域与您想要使用的ModelArts所在区域填写一致。例如“华北-北京四”
    • “目标位置”:将数据集从AI Gallery下载至您的OBS桶中。例如,将数据集存储至“test-modelarts/dataset”OBS路径下。
    图1 下载域名流量数据集
  3. 数据开始下载后,可以单击右上角“个人中心 > 我的资产 > 数据 > 我的下载”,查看数据集下载进度。下载完成后,此样例数据集已同步至你指定的目标位置下。
    图2 下载完成

步骤2:进入AI Gallery订阅算法

ModelArts预置的时序预测算法发布在AI Gallery中。您可以前往AI Gallery,订阅此算法至ModelArts中。

  1. 在ModelArts管理控制台中,在左侧菜单栏中选择AI Gallery,进入AI Gallery。
  2. 在AI Gallery中,选择“资产集市>算法”页签,在搜索框中输入“时序预测-time_series_v2”,查找对应的算法。
  3. 单击算法链接进入算法详情页,单击右侧的“订阅”,根据界面提示完成算法订阅。

    此算法由ModelArts官方提供,目前免费开放。订阅算法完成后,页面的“订阅”按钮显示为“已订阅”

  4. 单击详情页的“前往控制台”,此时弹出“选择云服务区域”对话框,选择ModelArts对应的区域,然后再单击“确定”

    页面将自动跳转至ModelArts的“算法管理>我的订阅”中同步对应的算法。

    图3 前往控制台
    图4 选择云服务区域
  5. 在ModelArts管理控制台的算法管理页面,算法将自动同步至ModelArts中。

步骤3:使用订阅算法创建训练作业

算法订阅成功后,算法将呈现在“算法管理>我的订阅”中,您可以使用订阅的“时序预测-time_series_v2”算法创建训练作业,获得模型。

  1. 进入“算法管理>我的订阅”页面,选择订阅的“时序预测-time_series_v2”算法,单击左侧的小三角展开算法,在版本列表中,单击“创建训练作业”
    图5 创建训练作业
  2. 在创建训练作业页面,参考如下说明填写关键参数。
    • “创建方式>我的订阅”:系统默认选择步骤1订阅的算法,请勿随意修改。
    • “训练输入”:数据来源单击“数据存储位置”,选择“cdn.csv”数据文件存储的OBS目录。输入数据集只支持同一OBS目录下一个或多个同类型文件(数据列名称、长度、顺序完全一致);不支持对应OBS目录下存在多个不同类型文件。
    • “训练输出”:选择一个OBS空目录存储训练输出的模型。
    • 超参:此算法提供的参数均提供了默认值。如需修改,建议仔细阅读算法介绍,并根据参数解释进行修改。
    • “资源类型”:建议选择GPU进行训练。如果需要选择CPU,建议将上述超参中,“gpu”的值设置为“0”
  3. 参数填写完成后,单击提交,确认规格,单击“确定”完成训练作业创建。
  4. 进入“训练管理>训练作业New”页面,等待训练作业完成。

    训练作业运行需要几分钟时间,请耐心等待。根据经验,使用GPU资源时此样例在2分钟左右完成训练。

    当训练作业的状态变更为“已完成”时,表示已运行结束。您可以单击训练作业名称,进入详情页面,了解训练作业的“配置信息”、“日志”、“资源占用情况”等信息。您也可以在配置的“训练输出位置”对应的OBS目录下获得训练生成的模型以及预测结果“forecast.csv”

步骤4:创建AI应用

训练完成的模型存储在训练输出的OBS路径中,您可以将此模型导入到ModelArts中进行部署为AI应用。

  1. 在ModelArts管理控制台中,单击左侧导航栏中的“AI应用管理 >AI应用”,进入AI应用页面。
  2. 在“AI应用 > 我的AI应用”页面,单击“创建”,进入创建AI应用页面。
  3. 在创建AI应用页面,系统会自动根据上一步训练作业填写参数,参考如下说明确认关键参数。

    “元模型来源”:系统自动选择“从训练中选择 >训练作业(New)”

    “选择训练作业”:系统自动选择上一步创建的训练作业。

    “AI引擎”:系统自动写入该模型的AI引擎,无需修改。

    “推理代码”:系统自动放置推理代码到OBS输出路径,无需修改。

    “部署类型”:默认选择“在线部署”

    图6 导入模型
  4. 参数填写完成后,单击“立即创建”。页面自动跳转至AI应用列表页面,等待创建结果,预计2分钟左右。

    当AI应用的状态变为“正常”时,表示创建成功。您可以在“AI应用”列表页面查看已导入的模型及其版本。

步骤5:部署上线

  1. 在“AI应用管理 > AI应用 > 我的AI应用”页面,单击AI应用名称左侧的小三角,打开此模型下的所有版本。在对应版本所在行,单击操作列的“部署”,然后在下拉框中选择“在线服务”,进入“部署”页面。
    图7 部署
  2. 在“部署”页面中,设置相关参数,然后单击“下一步”。

    设置在线服务的“名称”,将“是否自动停止”功能启用。

    “选择AI应用及配置”区域中,系统将自动选择上一步中选择的模型及其版本,

    “计算节点规格”右侧下拉框中选择使用“CPU:2核 8GB”资源部署在线服务。

    其他参数使用默认值。

    图8 部署为在线服务
  3. 在“规格确认”页面,确认信息完毕后,单击“提交”。
  4. 在“部署上线 > 在线服务”页面,您可以查看在线服务的相关信息。由于模型部署上线需要花费一些时间,请耐心等待几分钟。当在线服务的状态为“运行中”时,表示在线服务已部署完成。
    图9 在线服务

步骤7:在线预测

  1. 在“部署上线 > 在线服务”管理页面,单击在线服务名称,进入在线服务详情页面。
  2. 在线服务详情页面中,切换到 “预测“ 页签,单击“上传”,从本地上传待预测数据,格式参考算法说明
  3. 本地上传数据完成后,单击“预测”,开始预测。
    图10 预测结果

步骤8:清除资源

为避免产生不必要额费用,通过此示例学习时序预测算法的使用后,您可以清除相关资源,避免造成资源浪费。

  • 停止在线服务:在“在线服务”页面,单击对应服务操作列的“停止”
  • 删除训练作业:在“训练作业New”页面,单击操作列的“删除”
  • 删除数据:前往OBS,删除上传的数据,然后删除文件夹及OBS桶。
分享:

    相关文档

    相关产品

close