使用dlc基于dsw和nas提交pytorch训练任务 - 人工智能平台 PAI

本文介绍如何使用DLC、DSW和NAS，基于PyTorch进行离线迁移训练。

前提条件

选择合适的地域，创建通用型NAS文件系统，详情请参见通过控制台创建通用型NAS文件系统。

使用限制

本文的操作仅支持通用计算资源公共资源组的工作集群。

步骤一：创建数据集

进入数据集管理页面。
1. 登录PAI控制台。
2. 在左侧导航栏单击工作空间列表，在工作空间列表页面中单击待操作的工作空间名称，进入对应的工作空间。
3. 在左侧导航栏，选择AI资产管理 > 数据集。
创建基础数据集，其中，存储类型选择为文件存储（通用型NAS）。

步骤二：创建DSW实例

创建DSW实例时，您需要在数据集区域单击添加，选择步骤一创建的NAS类型数据集，并将挂载路径配置为/mnt/data/，工作目录选择数据集-/mnt/data/。

其他参数配置详情，请参见创建DSW实例。

步骤三：准备数据

本文使用的数据已经存放在公开地址，您可以直接下载（下载数据），解压后即可使用。

进入DSW开发环境。
1. 登录PAI控制台
2. 在左侧导航栏单击工作空间列表，在工作空间列表页面中单击待操作的工作空间名称，进入对应工作空间内。
3. 在页面左上方，选择使用服务的地域。
4. 在左侧导航栏，选择模型开发与训练 > 交互式建模（DSW）。
5. 可选：在交互式建模（DSW）页面的搜索框，输入实例名称或关键字，搜索实例。
6. 单击需要打开的实例操作列下的打开。
在DSW开发环境的顶部菜单栏，单击Notebook页签。
下载数据。
1. 单击左上方工具栏中的图标，创建文件夹（例如pytorch_transfer_learning）。
2. 在DSW开发环境的顶部菜单栏，单击Terminal页签，即可打开Terminal。
3. 在Terminal中，使用cd命令进入已创建的文件夹，并通过wget命令下载数据集，如下图所示。
```
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表示数据集地址，即从该地址下载数据集。
4. 使用tar -xf ./data.tar.gz命令解压数据集。
5. 切换到Notebook页签，在左侧目录树，进入目录pytorch_transfer_learning中，右键单击已解压的数据文件夹（hymenoptera_data），在快捷菜单中，单击Rename将该文件重命名为input，以便后续操作。

步骤四：准备训练代码和模型存储文件夹

在DSW实例的Terminal中，使用wget命令将训练代码下载到pytorch_transfer_learning文件夹下。
```
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表示训练代码存储地址。
在pytorch_transfer_learning文件夹下，创建名为output的文件夹，用于存储训练完成的模型。
```
mkdir output
```
查看pytorch_transfer_learning文件夹的内容。
文件夹下包括如下文件：
- input：训练数据文件夹。
- main.py：训练代码。
- output：模型存储文件夹。

步骤五：创建任务

进入新建任务页面。
1. 登录PAI控制台。
2. 在左侧导航栏单击工作空间列表，在工作空间列表页面中单击待操作的工作空间名称，进入对应工作空间内。
3. 在工作空间页面的左侧导航栏选择模型开发与训练 > 分布式训练（DLC），在分布式训练（DLC）页面中单击新建任务，进入新建任务页面。

在新建任务页面，配置如下参数。

区域	参数	描述
基本信息	任务名称	深度学习训练的任务名称。
	节点镜像	选择官方镜像，并在下面列表中选择PyTorch镜像。例如：选择`pytorch-training:1.12pai-gpu-py38-cu113-ubuntu20.04`。
	数据集配置	选择步骤一创建的NAS类型数据集。
	代码配置	无需配置。
	启动命令	配置为`python /mnt/data/pytorch_transfer_learning/main.py -i /mnt/data/pytorch_transfer_learning/input -o /mnt/data/pytorch_transfer_learning/output`。
	三方库配置	选择三方库列表，并在下方文本框中输入以下内容。 `numpy==1.16.4 absl-py==0.11.0`
资源配置	资源配额	选择公共资源。
	框架	选择Pytorch。
	任务资源	选择一台合适的服务器。例如：资源规格选择CPU下的ecs.g6.xlarge，节点数量配置为1。

单击确定。

步骤六：查看任务详情和日志结果

在分布式训练任务页面，单击任务的名称。
在任务详情页面，即可查看任务的基本信息及基本任务配置等信息。
在任务详情页面底部的实例页签，单击目标实例操作列下的日志，即可查看日志结果。
日志结果如下图所示。