模型训练简介

模型训练服务支持所有主流算法框架，如：Tensorflow， MXNet ，Caffe， Spark_MLlib，Scikit_Learn，XGBoost，PyTorch、Ascend-Powered-Engine等。提供CPU、GPU等多种计算资源，集成了基于开源的交互式开发调试工具，为用户提供一站式IDE模型训练环境。

模型训练提供如下功能：

• 新建模型训练工程：支持用户在线编辑并调试代码，基于编译成功的代码对模型训练工程的数据集进行训练，输出训练报告。用户可以根据训练报告结果对代码进行调优再训练，直到得到最优的训练代码。
• 新建联邦学习工程：创建联邦学习工程，编写代码，进行模型训练，生成模型包。此联邦学习模型包可以导入至联邦学习部署服务，作为联邦学习实例的基础模型包。
• 新建训练服务：调用已归档的模型包，对新的数据集进行训练，得到训练结果。
• 新建超参优化服务：通过训练结果对比，为已创建的训练工程选择一组最优超参组合。

系统还支持打包训练模型，用于创建训练服务、模型验证，或者发布到应用市场。模型训练包包括编排配置文件、模型文件等。详细的模型管理操作请参见模型管理。

模型训练页面说明

“模型训练”页面列出了已有的训练工程、训练服务和超参优化服务的列表信息，如图1所示。在该页面，用户可以查看训练工程和训练服务的创建信息，新建、编辑、复制或删除已创建的训练工程和训练服务。详情请参见表1。

图1 模型训练

表1 模型训练页面说明

参数名称	参数说明
开发环境	WEB IDE环境资源配置，包括配置“规格”和“实例”，用于模型开发。支持查看当前所有配置了WEB IDE环境资源的项目的环境信息。
创建	新建训练工程、联邦学习工程、训练服务或超参优化服务。
名称	模型训练名称。
模型训练工程描述	对模型训练工程的描述信息。
创建时间	训练工程、联邦学习工程、训练服务或者超参优化服务的创建时间。
类型	模型训练的类型。 包含如下选项： 模型训练 联邦学习 训练服务 优化服务
创建者	创建训练工程、联邦学习工程、训练服务或超参优化服务的用户。
开发环境	模型训练运行的环境信息。WEB版训练模型的开发环境为“简易编辑器”，在线IDE版训练模型的开发环境为实际创建的WEB IDE环境。模型训练工程创建后，可通过“开发环境”下拉框切换环境。
	进入训练工程编辑页面，编辑训练代码。
	复制已有的训练工程，生成新的训练工程。
	删除训练工程、联邦学习工程、训练服务或优化服务。
FINISHED	最近一次训练工程、联邦学习工程、训练服务或超参优化服务的任务状态。显示实际任务状态。