更新时间:2021-09-18 GMT+08:00
分享

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。

分享:

    相关文档

    相关产品

关闭导读