文档首页 > > AI工程师用户指南> 训练管理> 创建训练作业

创建训练作业

分享
更新时间: 2020/01/17 GMT+08:00

数据准备完成后,您可以创建一个训练作业,对已有数据进行模型训练。每一个训练作业创建完成后,将自动完成一次训练。

前提条件

  • 数据已完成准备:已在ModelArts中创建可用的数据集,或者您已将用于训练的数据集上传至OBS目录。
  • 如果“算法来源”“常用框架”,请准备好训练脚本,并上传至OBS目录。
  • 如果“算法来源”“自定义”,请按照规范完成镜像制作,并上传至SWR服务,同时,训练脚本已上传至OBS目录。
  • 已在OBS创建至少1个空的文件夹,用于存储训练输出的内容。
  • 由于训练作业运行需消耗资源,确保账户未欠费。
  • 确保您使用的OBS目录与ModelArts在同一区域。

注意事项

训练作业指定的数据集目录中,用于训练的数据名称(如图片名称、音频文件名、标注文件名称等),名称长度限制为0~255英文字符。如果数据集目录下,部分数据的文件名称超过255英文字符,训练作业将不会使用此数据,使用符合要求的数据进行继续进行训练。如果数据集目录下,所有数据的文件名称都超过了255英文字符,导致训练作业无数据可用,则会最终导致训练作业失败。

创建训练作业

  1. 登录ModelArts管理控制台,在左侧导航栏中选择“训练管理 > 训练作业”,默认进入“训练作业”列表。
  2. 在训练作业列表中,单击左上角“创建”,进入“创建训练作业”页面。
  3. 在创建训练作业页面,填写训练作业相关参数,然后单击“下一步”
    1. 填写基本信息。基本信息包含“计费模式”“名称”“版本”“描述”。其中“计费模式”当前仅支持“按需计费”,不支持修改。“版本”信息由系统自动生成,按“V001”“V002”规则命名,用户无法修改。
      您可以根据实际情况填写 “名称”“描述”信息。
      图1 训练作业基本信息
    2. 填写作业参数。包含数据来源、算法来源等关键信息,详情请参见表1
      图2 设置作业参数
      表1 作业参数说明

      参数名称

      子参数

      说明

      一键式参数配置

      -

      如果您在ModelArts已保存作业参数,您可以根据界面提示,选择已有的作业参数,快速完成训练作业的参数配置。

      数据来源

      数据集

      从ModelArts数据管理中选择可用的数据集及其版本。

      • “选择数据集”:从右侧下拉框中选择ModelArts系统中已有的数据集。当ModelArts无可用数据集时,此下拉框为空。
      • “选择版本”:根据“选择数据集”指定的数据集选择其版本。

      一个训练作业,支持选择多个数据集,单击增加一个数据集,单击删除当前行指定的数据集。

      数据来源

      数据存储位置

      从OBS桶中选择训练数据。在“数据存储位置”右侧,单击“选择”,从弹出的对话框中,选择数据存储的OBS桶及其文件夹。

      “算法来源”选择“常用框架”时,一个训练作业,支持选择多个数据存储路径,单击增加一个数据存储路径,单击删除当前行指定的数据存储路径。

      算法来源

      预置算法

      使用ModelArts的预置算法,详细介绍请参见预置算法简介

      常用框架

      选择“AI引擎”“版本”,选择“代码目录”“启动文件”。选择的AI引擎和编写训练代码时选择的框架必须一致。例如编写训练代码使用的是TensorFlow,则在创建训练作业时也要选择TensorFlow。如果您的模型需要安装Python依赖包时,请按照ModelArts定义的要求将依赖包及其配置文件放置“代码目录”中,详细说明请参见模型中引用依赖包时,如何创建训练作业?

      当前ModelArts支持的AI引擎及对应版本如下所示。

      • TensorFlow:TF-1.8.0-python3.6、TF-1.8.0-python2.7、TF-1.13.1-python3.6、TF-1.13.1-python2.7
      • MXNet:MXNet-1.2.1-python3.6、MXNet-1.2.1-python2.7
      • Caffe:Caffe-1.0.0-python2.7
      • Spark_MLlib:Spark-2.3.2-python2.7、Spark-2.3.2-python3.6
      • Scikit_Learn:Scikit_Learn-0.18.1-python2.7、Scikit_Learn-0.18.1-python3.6
      • XGBoost:XGBoost-0.8-python2.7、XGBoost-0.8-python3.6
      • PyTorch:PyTorch-1.0.0-python2.7、PyTorch-1.0.0-python3.6
      说明:

      MoXing是ModelArts团队自研的分布式训练加速框架,它构建于开源的深度学习引擎TensorFlow、MXNet、PyTorch、Keras之上,详细说明请参见MoXing使用说明。如果您使用的是MoXing框架编写训练脚本,在创建训练作业时,请根据您选用的接口选择其对应的AI引擎和版本。“efficient_ai”是华为云ModelArts团队自研的加速压缩工具,它支持对训练作业进行量化、剪枝和蒸馏来加速模型推理速度,详细说明请参见efficient_ai使用说明

      自定义

      可使用自定义镜像创建训练作业,如何制作自定义镜像请参见构建自定义镜像

      运行参数

      -

      代码中的命令行参数设置值,请确保参数名称和代码的参数名称保持一致。

      例如:train_steps=10000,其中“train_steps”为代码中的某个传参。

      训练输出位置

      -

      选择训练结果的存储位置。

      说明:

      为避免出现错误,建议选择一个空目录用作“训练输出位置”。请勿将数据集存储的目录作为训练输出位置。

      作业日志路径

      -

      选择作业运行中产生的日志文件存储路径。

    3. 选择用于训练作业的资源。
      图3 选择资源
      表2 资源参数说明

      参数名称

      说明

      资源池

      选择训练作业资源池。训练作业支持选择“公共资源池”“专属资源池”

      公共资源池又可以选择CPU或GPU两种类型,不同类型的资源池,其收费标准不同,详情请参见价格详情说明。专属资源池的创建请参见资源池

      类型

      当选择公共资源池时,选择资源类型。目前支持CPU和GPU两种类型。

      说明:

      如果您在训练代码使用的是GPU资源,则在选择资源池时只能选择GPU集群,否则会导致训练作业失败。

      规格

      针对不同的资源类型,选择资源规格。目前支持如下几种规格:

      • CPU:支持“CPU:2 核 8GiB”“CPU:8 核 32GiB”
      • GPU:支持“CPU:8 核 64GiB GPU:1 * nvidia-p100 16GiB”“CPU:32 核 256GiB GPU:4 * nvidia-p100 16GiB”

      计算节点个数

      选择计算节点的个数。如果节点个数设置为1,表示后台的计算模式是单机模式;如果节点个数设置大于1,表示后台的计算模式为分布式的。请根据实际编码情况选择计算模式。

      “常用框架”选择Caffe时,只支持单机模式,即“计算节点个数”必须设置为“1”。针对其他“常用框架”,您可以根据业务情况选择单机模式或分布式模式。

    4. 配置订阅消息,并设置是否将当前训练作业中的参数保存为作业参数。
      图4 配置订阅消息
      表3 订阅消息及作业参数参数说明

      参数名称

      说明

      订阅消息

      订阅消息使用消息通知服务,在事件列表中选择需要监控的资源池状态,在事件发生时发送消息通知。

      此参数为可选参数,您可以根据实际情况设置是否打开开关。如果开启订阅消息,请根据实际情况填写如下参数。

      • “主题名”:订阅消息主题名称。您可以单击创建主题,在消息通知服务中创建主题。
      • “事件列表”:订阅事件。当前可选择“OnJobRunning”“OnJobSucceeded”“OnJobFailed”三种事件,分别代表训练运行中、运行成功、运行失败。

      保存作业参数

      勾选此参数,表示将当前训练作业设置的作业参数保存,方便后续一键复制使用。

      勾选“保存训练参数”,然后填写“作业参数名称”“作业参数描述”,即可完成当前参数配置的保存。训练作业创建成功后,您可以从ModelArts的作业参数列表中查看保存的信息,详细操作指导请参见管理作业参数

    5. 完成参数填写后,单击“下一步”
  4. “规格确认”页面,确认填写信息无误后,单击“立即创建”,完成训练作业的创建。训练作业一般需要运行一段时间,根据您选择的数据量和资源不同,训练时间将耗时几分钟到几十分钟不等。

    训练作业创建完成后,将立即启动,运行过程中将按照您选择的资源按需计费。

    您可以前往训练作业列表,查看训练作业的基本情况。在训练作业列表中,刚创建的训练作业“状态”“初始化”,当训练作业的“状态”变为“运行成功”时,表示训练作业运行结束,其生成的模型将存储至对应的“训练输出位置”中。当训练作业的“状态”变为“运行失败”时,您可以单击训练作业的名称,进入详情页面,通过查看日志等手段处理问题。

分享:

    相关文档

    相关产品

文档是否有解决您的问题?

提交成功!

非常感谢您的反馈,我们会继续努力做到更好!

反馈提交失败,请稍后再试!

*必选

请至少选择或填写一项反馈信息

字符长度不能超过200

提交反馈 取消

如您有其它疑问,您也可以通过华为云社区问答频道来与我们联系探讨

跳转到云社区