使用dlc基於dsw和nas提交pytorch訓練任務 - Platform For AI

本文介紹如何使用DLC、DSW和NAS，基於PyTorch進行離線遷移訓練。

前提條件

選擇合適的地區，建立通用型NAS檔案系統，詳情請參見通過控制台建立通用型NAS檔案系統。

使用限制

本文的操作僅支援通用計算資源公用資源群組的工作叢集。

步驟一：建立資料集

進入資料集管理頁面。
1. 登入PAI控制台。
2. 在左側導覽列單擊工作空間列表，在工作空間列表頁面中單擊待操作的工作空間名稱，進入對應的工作空間。
3. 在左側導覽列，選擇AI資產管理 > 資料集。
建立基礎資料集，其中，儲存類型選擇為檔案儲存體（通用型NAS）。

步驟二：建立DSW執行個體

建立DSW執行個體時，您需要在資料集地區單擊添加，選擇步驟一建立的NAS類型資料集，並將掛載路徑配置為/mnt/data/，工作目錄選擇資料集-/mnt/data/。

其他參數配置詳情，請參見建立DSW執行個體。

步驟三：準備資料

本文使用的資料已經存放在公開地址，您可以直接下載（下載資料），解壓後即可使用。

進入DSW開發環境。
1. 登入PAI控制台
2. 在左側導覽列單擊工作空間列表，在工作空間列表頁面中單擊待操作的工作空間名稱，進入對應工作空間內。
3. 在頁面左上方，選擇使用服務的地區。
4. 在左側導覽列，選擇模型開發與訓練 > 互動式建模（DSW）。
5. 可選：在互動式建模（DSW）頁面的搜尋方塊，輸入執行個體名稱或關鍵字，搜尋執行個體。
6. 單擊需要開啟的執行個體操作列下的開啟。
在DSW開發環境的頂部功能表列，單擊Notebook頁簽。
下載資料。
1. 單擊左上方工具列中的表徵圖，建立檔案夾（例如pytorch_transfer_learning）。
2. 在DSW開發環境的頂部功能表列，單擊Terminal頁簽，即可開啟Terminal。
3. 在Terminal中，使用cd命令進入已建立的檔案夾，並通過wget命令下載資料集，如下圖所示。
```
cd /mnt/workspace/pytorch_transfer_learning/
wget https://pai-public-data.oss-cn-beijing.aliyuncs.com/hol-pytorch-transfer-cv/data.tar.gz
```
  其中https://pai-public-data.oss-cn-beijing.aliyuncs.com/hol-pytorch-transfer-cv/data.tar.gz表示資料集地址，即從該地址下載資料集。
4. 使用tar -xf ./data.tar.gz命令解壓資料集。
5. 切換到Notebook頁簽，在左側分類樹，進入目錄pytorch_transfer_learning中，按右鍵已解壓的資料檔案夾（hymenoptera_data），在捷徑功能表中，單擊Rename將該檔案重新命名為input，以便後續操作。

步驟四：準備訓練代碼和模型隱藏檔夾

在DSW執行個體的Terminal中，使用wget命令將訓練代碼下載到pytorch_transfer_learning檔案夾下。
```
cd /mnt/workspace/pytorch_transfer_learning/
wget https://pai-public-data.oss-cn-beijing.aliyuncs.com/hol-pytorch-transfer-cv/main.py
```
其中https://pai-public-data.oss-cn-beijing.aliyuncs.com/hol-pytorch-transfer-cv/main.py表示訓練代碼儲存地址。
在pytorch_transfer_learning檔案夾下，建立名為output的檔案夾，用於儲存訓練完成的模型。
```
mkdir output
```
查看pytorch_transfer_learning檔案夾的內容。
檔案夾下包括如下檔案：
- input：訓練資料檔案夾。
- main.py：訓練代碼。
- output：模型隱藏檔夾。

步驟五：建立任務

進入建立任務頁面。
1. 登入PAI控制台。
2. 在左側導覽列單擊工作空間列表，在工作空間列表頁面中單擊待操作的工作空間名稱，進入對應工作空間內。
3. 在工作空間頁面的左側導覽列選擇模型開發與訓練 > 分布式訓練（DLC），在分布式訓練（DLC）頁面中單擊建立任務，進入建立任務頁面。

在建立任務頁面，配置如下參數。

地區	參數	描述
基本資料	任務名稱	深度學習訓練的任務名稱。
	節點鏡像	選擇官方鏡像，並在下面列表中選擇PyTorch鏡像。例如：選擇`pytorch-training:1.12pai-gpu-py38-cu113-ubuntu20.04`。
	資料集配置	選擇步驟一建立的NAS類型資料集。
	代碼配置	無需配置。
	啟動命令	配置為`python /mnt/data/pytorch_transfer_learning/main.py -i /mnt/data/pytorch_transfer_learning/input -o /mnt/data/pytorch_transfer_learning/output`。
	三方庫配置	選擇三方庫列表，並在下方文字框中輸入以下內容。 `numpy==1.16.4 absl-py==0.11.0`
資源配置	資源配額	選擇公用資源。
	架構	選擇Pytorch。
	任務資源	選擇一台合適的伺服器。例如：資源規格選擇CPU下的ecs.g6.xlarge，節點數量配置為1。

單擊確定。

步驟六：查看任務詳情和日誌結果

在分布式訓練任務頁面，單擊任務的名稱。
在任務詳情頁面，即可查看任務的基本資料及基本任務配置等資訊。
在任務詳情頁面底部的執行個體頁簽，單擊目標執行個體操作列下的日誌，即可查看日誌結果。
日誌結果如下圖所示。