Platform For AI:PyTorchを使用したスタンドアロンのトレーニングジョブを送信する

ステップ1: データの準備

このトピックでは、トレーニングに使用されるデータは、パブリックストレージメディアに事前に保存されています。 データを直接ダウンロードでき、追加のデータを準備する必要はありません。

手順2: トレーニングコードとモデルストレージファイルの準備

このトピックでは、トレーニングコードパッケージはパブリックストレージメディアに事前に格納されています。 コードパッケージを直接ダウンロードでき、追加のコードを開発する必要はありません。

ステップ3: ジョブを作成する

1. [ジョブの作成] ページに移動します。

   1. PAIコンソールにログインします。

   2. 左側のナビゲーションウィンドウで、[ワークスペース] をクリックします。 管理するワークスペースを見つけて、ワークスペースIDをクリックします。

   3. [ワークスペース] ページの左側のナビゲーションウィンドウで、[モデルの開発とトレーニング] > [ディープラーニングコンテナ (DLC)] を選択します。 [分散トレーニングジョブ] ページで、[ジョブの作成] をクリックします。 [ジョブの作成] ページが表示されます。

2. ジョブの作成ページで、次の表に示すパラメーターを設定し、残りのパラメーターにはデフォルト値を使用します。

   

   パラメーター	説明
   ジョブ名	ジョブの名前を入力します。 例: トーチ-サンプル
   ノードイメージ	[Alibaba Cloudイメージ] をクリックし、PyTorchイメージを選択します。
   Startupコマンド	次のコマンドを入力して、データのダウンロード、コードパッケージのダウンロード、トレーニングジョブの実行、モデルの確認を実行します。 wget https://pai-public-data.oss-cn-beijing.aliyuncs.com/hol-pytorch-transfer-cv/data.tar.gz && tar -xf ./data.tar.gz && mv ./hymenoptera_data/ ./input && mkdir output && wget https://pai-public-data.oss-cn-beijing.aliyuncs.com/hol-pytorch-transfer-cv/main.py && python main.py -i ./input -o ./output && ls ./output
   ソース	[パブリックリソース] を選択します。
   フレームワーク	[PyTorch] を選択します。
   求人リソース	ノード数: 値を1に設定します。 インスタンスタイプ: をクリックし、ecs.gn6e-c12g1.3xlarge GPUインスタンスタイプを選択します。

3. OKをクリックします。

   ディープラーニングコンテナ (DLC) ページが表示されます。

ステップ4: トレーニングジョブの詳細とログを表示する

1. ディープラーニングコンテナ (DLC)ページで、ジョブ名をクリックします。

2. ジョブの詳細ページで、基本情報とリソース情報ジョブの。

3. では、インスタンスジョブ詳細ページの下部にあるセクションで、目的のノードを見つけて、ログで、アクション列を開き、ノードのログを表示します。