更新时间：2024-05-27 GMT+08:00
多层感知机分类(pytorch)
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。如果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。例如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。例如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。举例： 1,2,3,4 |
"" |
label_index |
是 |
label列的index。 举例：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
- 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。
查看结果
在ModelArts训练作业界面可查看刚刚下发的DLI作业，单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
