全部产品
Search
文档中心

人工智能平台 PAI:创建自定义组件

更新时间:Jun 04, 2024

PAI提供自定义算法组件功能,便于您根据使用场景创建自定义组件。您可以在Designer中将自定义组件和PAI官方组件串联使用,实现更灵活的工作流编排。本文为您介绍如何创建自定义组件。

背景信息

自定义组件底层采用了阿里云开源的KubeDL,这是一个基于Kubernetes的AI工作负载管理框架。

创建自定义组件支持选择不同的任务类型(包括:Tensorflow、PyTorch、XGBoost、ElasticBatch)、创建输入输出管道、配置超参等,自定义组件创建成功后,会转换为Designer界面可视化参数配置,详情请参见操作步骤

  • 针对不同的任务类型,KubeDL会下发同步的环境变量,通过这些环境变量,您可以获取机器数量和拓扑信息,详情请参见附录1:任务类型介绍

  • 通过在执行命令中配置环境变量来读取输入输出管道数据、超参数据等,详情请参见如何读取管道及超参数据

  • 在执行代码中,除了通过环境变量获取输入或输出管道外,也可以直接通过容器内挂载路径进行访问,详情请参见输入输出目录结构

使用限制

仅华北2(北京)、华东2(上海)、华东1(杭州)和华南1(深圳)支持创建自定义组件。

前提条件

已创建工作空间,创建的自定义组件均与该工作空间绑定。具体操作,请参见创建工作空间

操作步骤

  1. 进入组件管理页面。

    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,进入对应工作空间内。

    3. 在左侧导航栏,选择AI资产管理>自定义组件

  2. 在组件列表页面,单击新建组件,并在新建组件页面配置以下参数。

    • 基本信息配置

      参数

      描述

      组件名称

      自定义组件名称,在同一个地域下要求主账号内唯一。

      组件描述

      对创建的自定义组件进行简单描述,以区分不同的组件。

      组件版本

      创建的自定义组件版本号。

      说明

      建议使用x.y.z的版本号格式来管理版本。例如,第一个大版本为1.0.0,对该版本进行小问题修复时,可以将版本号升级为1.0.1;而进行小型功能升级时,则可以将版本号升级为1.1.0。这样的版本号管理方式清晰明了,便于您了解各个版本之间的差异和更新内容。

      版本描述

      对当前创建的自定义组件版本进行描述。例如:初始版本。

    • 执行配置

      参数

      描述

      任务类型

      创建自定义组件时,需要选择任务类型。目前支持TensorflowPyTorchXGBoostElasticBatch四种任务类型,其分别对应了KubeDL中的TFJobPyTorchJobXGBoostJob、ElasticBatchJob四种任务类型。关于每种任务类型更详细的介绍,请参见附录:任务类型介绍

      执行镜像

      当前支持选择社区镜像官方镜像自定义镜像,您也可以在镜像地址页签配置三种类型的镜像地址。

      说明
      • 由于公网带宽有限,为了保证任务的稳定性,请使用同一个Region下阿里云的镜像服务(ACR)。

      • 目前只支持ACR个人版,不支持企业版,镜像地址请填写VPC地址,格式为:registry-vpc.${region}.aliyuncs.com

      • 使用自定义镜像时,请勿在同一版本中频繁更新镜像,因为这会导致镜像缓存无法及时更新,从而导致任务启动时间延长。

      • 为确保镜像正常执行,镜像中必须包含sh shell命令。同时,镜像执行命令的方式将使用sh -c方式。

      • 如果使用了自定义镜像,请确保该镜像中包含了Python相关的执行环境和pip命令,否则可能导致任务运行失败。

      执行代码

      自定义组件的代码目录支持OSS目录和Git地址:

      • OSS挂载:组件运行时,该OSS目录中所有文件将会被下载到/ml/usercode/目录下,您可以通过命令执行该目录下的文件。

        说明
        • 建议该目录只存放当前算法必需的文件,否则可能导致组件启动时间过长、甚至启动超时。

        • 当代码目录中存在requirements.txt文件时,算法运行时会自动执行pip install -r requirements.txt安装相关依赖。

      • PAI代码配置:配置Git代码库。

      执行命令

      组件镜像的执行命令,可以通过环境变量获取实际的值,配置格式如下:

      python main.py $PAI_USER_ARGS --{CHANNEL_NAME} $PAI_INPUT_{CHANNEL_NAME} --{CHANNEL_NAME} $PAI_OUTPUT_{CHANNEL_NAME} && sleep 150 && echo "job finished"

      执行命令中通过配置PAI_USER_ARGSPAI_INPUT_{CHANNEL_NAME}、PAI_OUTPUT_{CHANNEL_NAME}环境变量来读取超参、输入和输出管道数据,具体数据读取方法,请参见如何读取管道及超参数据

      例如:输入管道名称分别为test、train;输出管道名称分别为model、checkpoints,则配置示例如下:

      python main.py $PAI_USER_ARGS --train $PAI_INPUT_TRAIN --test $PAI_INPUT_TEST --model $PAI_OUTPUT_MODEL --checkpoints $PAI_OUTPUT_CHECKPOINTS && sleep 150 && echo "job finished"

      其中配套的代码入口文件main.py中主要提供了解析参数的逻辑示例,在实际使用时,您将自己的算法逻辑整合进去即可,示例内容如下所示:

      import os
      
      import argparse
      import json
      
      def parse_args():
          """解析给到脚本的arguments."""
          parser = argparse.ArgumentParser(description="PythonV2 component script example.")
      
          # input & output channels
          parser.add_argument("--train", type=str, default=None, help="input channel train.")
          parser.add_argument("--test", type=str, default=None, help="input channel test.")
          parser.add_argument("--model", type=str, default=None, help="output channel model.")
          parser.add_argument("--checkpoints", type=str, default=None, help="output channel checkpoints.")
      
          # parameters
          parser.add_argument("--param1", type=int, default=None, help="param1")
          parser.add_argument("--param2", type=float, default=None, help="param2")
          parser.add_argument("--param3", type=str, default=None, help="param3")
          parser.add_argument("--param4", type=bool, default=None, help="param4")
          parser.add_argument("--param5", type=int, default=None, help="param5")
      
      
          args, _ = parser.parse_known_args()
          return args
      
      
      if __name__ == "__main__":
          args = parse_args()
      
          print("Input channel train={}".format(args.train))
          print("Input channel test={}".format(args.test))
          print("Output channel model={}".format(args.model))
          print("Output channel checkpoints={}".format(args.checkpoints))
      
          print("Parameters param1={}".format(args.param1))
          print("Parameters param2={}".format(args.param2))
          print("Parameters param3={}".format(args.param3))
          print("Parameters param4={}".format(args.param4))
          print("Parameters param5={}".format(args.param5))
      

      下面是上述示例代码实际运行中打印的日志,您可以看到通过以上方式能够获取到任务实例的参数信息:

      Input channel train=/ml/input/data/train
      Input channel test=/ml/input/data/test/easyrec_config.config
      Output channel model=/ml/output/model/
      Output channel checkpoints=/ml/output/checkpoints/
      Parameters param1=6
      Parameters param2=0.3
      Parameters param3=test1
      Parameters param4=True
      Parameters param5=2
      job finished
    • 管道及参数

      单击image..png配置自定义组件的输入管道(Input Channel)、输出管道(Output Channel)和参数。名称命名格式如下:

      • 要求全局唯一,且互相不能重复。

      • 支持数字、字母、下划线(_)和减号(-),不能以下划线开头。

        说明

        如果名称中包含了环境变量不支持的字符(仅支持字母、数字和下划线),在生成环境变量时,这些字符将被替换为下划线。此外,名称中的小写字母将被转换为大写字母。因此,应避免出现转换为环境变量后可能产生冲突的情况。例如:如果参数名分别为test_model、test-model,在转换为环境变量后,它们将全部变为PAI_HPS_TEST_MODEL,可能会出现冲突。

      管道及参数配置与Designer组件界面化参数对应关系如下图所示:a8ff0de8871ede6a80f9c642b4f187aa..png

      具体参数配置说明如下:

      参数

      描述

      输入

      自定义组件通过输入管道获取输入数据或finetune的模型,支持配置以下参数:

      • 输入名称:参照界面提示配置输入管道名称。

      • 输入来源:指定输入管道读取OSS、NAS或MaxCompute路径的数据。输入数据会以挂载的形式,挂载到训练容器的/ml/input/data/{channel_name}/目录下,组件可以通过读取本地文件的方式读取到OSS、NAS或MaxCompute上的数据。

      输出

      输出管道用于保存训练模型、Checkpoints等结果,支持配置以下参数:

      • 输出名称:参照界面提示配置输出管道名称。

      • 存储类型:每个输出管道需要指定一个OSS或MaxCompute目录,该目录将会以挂载的方式挂载到训练容器的/ml/output/{channel_name}/下。

      参数

      超参信息,支持配置以下参数:

      • 参数名称:参照界面提示配置参数名称。

      • 参数类型:目前支持配置Int、Float、String、Bool四种类型。

      • 参数约束:在默认值列,单击约束,来配置参数约束关系。约束类型取值如下:

        • 范围:通过配置最大值和最小值来指定取值范围,仅Int、Float、String类型支持配置。

        • 枚举:为参数配置枚举值。仅Int、Float、String类型支持配置。

    • 训练约束

      训练约束用于定义训练任务需要的计算资源,您可以打开训练约束开关进行配置。

      训练约束配置转换为Designer组件界面化参数执行调优配置:a7ef2765ff228c04c7764e36b9502c53..png

      具体参数说明如下:

      参数

      描述

      机器类型

      配置自定义组件支持CPU或GPU机器。

      支持多机

      组件是否支持多机分布式运行:

      • 支持:组件运行时,支持配置节点数。

      • 不支持:组件运行时,节点数只能为1,不支持修改。

      支持多卡

      仅当机器类型选择GPU时,支持配置该参数。

      自定义组件是否支持多卡:

      • 支持机器类型支持选择单卡或多卡GPU机器。

      • 不支持机器类型仅支持选择单卡GPU机器。

  3. 单击提交

    组件列表页面显示已创建的自定义组件。

组件创建成功后,后续您可以在Designer中使用该自定义组件,详情请参见使用自定义组件

附录1:任务类型介绍

Tensorflow(TFJob)

如果自定义组件任务类型是Tensorflow(TFJob),任务启动的节点的拓扑信息会通过环境变量TF_CONFIG注入,环境变量值格式示例如下:

{
  "cluster": {
    "chief": [
      "dlc17****iui3e94-chief-0.t104140334615****.svc:2222"
    ],
    "evaluator": [
      "dlc17****iui3e94-evaluator-0.t104140334615****.svc:2222"
    ],
    "ps": [
      "dlc17****iui3e94-ps-0.t104140334615****.svc:2222"
    ],
    "worker": [
      "dlc17****iui3e94-worker-0.t104140334615****.svc:2222",
      "dlc17****iui3e94-worker-1.t104140334615****.svc:2222",
      "dlc17****iui3e94-worker-2.t104140334615****.svc:2222",
      "dlc17****iui3e94-worker-3.t104140334615****.svc:2222"
    ]
  },
  "task": {
    "type": "chief",
    "index": 0
  }
}

其中关键参数说明如下:

参数

描述

cluster

TensorFlow集群描述,Map类型:

  • Key值:表示节点的角色类型(包括Chief、Worker、PS、Evaluator或Master)。

  • Value值:表示该角色的机器网络地址列表。

task

  • type:当前节点的任务类型。

  • index:当前节点在其角色对应的网络地址列表中的Index。

Pytorch(PyTorchJob)

如果自定义组件任务类型是Pytorch(PyTorchJob),将会有如下的环境变量注入:

  • RANK:例如配置为0,表示当前节点是Master节点,非0为Worker节点。

  • WORLD_SIZE:任务中机器的总数量。

  • MASTER_ADDR:Master节点的地址。

  • MASTER_PORT:Master节点的端口。

XGBoost(XGBoostJob)

如果自定义组件任务类型是XGBoost(XGBoostJob),将会有如下的环境变量注入:

  • RANK:例如配置为0,表示当前节点是Master节点,非0为Worker节点。

  • WORLD_SIZE:任务中机器的总数量。

  • MASTER_ADDR:Master节点的地址。

  • MASTER_PORT:Master节点的端口。

  • WORKER_ADDRS:Worker节点的地址,按RANK的顺序进行排序。

  • WORKER_PORT:Worker节点的端口。

示例如下:

  • 分布式任务(节点数超过1)

    WORLD_SIZE=6
    WORKER_ADDRS=train1pt84cj****-worker-0,train1pt84cj****-worker-1,train1pt84cj****-worker-2,train1pt84cj****-worker-3,train1pt84cj****-worker-4
    MASTER_PORT=9999
    MASTER_ADDR=train1pt84cj****-master-0
    RANK=0
    WORKER_PORT=9999
  • 单节点运行

    说明

    如果只有一个节点,则节点为Master节点,此时没有WORKER_ADDRS和WORKER_PORT环境变量。

    WORLD_SIZE=1
    MASTER_PORT=9999
    MASTER_ADDR=train1pt84cj****-master-0
    RANK=0

ElasticBatch(ElasticBatchJob)

ElasticBatch是一种分布式离线弹性批量推理作业类型。ElasticBatch Job具有以下特点:

  • 轻松并行,吞吐量翻倍。

  • 任务等待时间大大降低, 部分Worker有资源即可运行。

  • 支持自动监测慢机并启动Backup Worker替换,避免任务长尾(即尾延迟)或者Hang(即挂起)。

  • 支持数据分片全局动态分发,让快节点处理更多数据。

  • 支持任务早停,数据全部处理完成后,未启动的Worker不再启动,避免增加任务结束时间。

  • 支持容错处理,单Worker偶发失败会被重新拉起执行。

ElasticBatch Job包含AIMaster和Worker两类节点:

  • AIMaster:负责Job的全局管控,包括数据分片动态分发、各Worker数据吞吐性能监测以及容错处理。

  • Worker:工作节点,从AIMaster获取分片后,进行数据读取、数据处理以及数据写回,然后获取下一个要处理的分片。数据分片的动态获取使得快机器处理更多数据,慢机器少处理数据。

ElasticBatch任务启动后,会启动AIMaster节点和Worker节点,您的代码会运行在Worker节点中。Worker节点中会注入ELASTICBATCH_CONFIG 环境变量,环境变量值格式示例如下:

{
  "task": {
    "type": "worker",
    "index": 0
  },
  "environment": "cloud"
}

参数说明如下:

  • task.type:表示当前节点的任务类型。

  • task.index:当前节点在其角色对应的网络地址列表中的Index。

附录2:自定义组件实现原理

如何读取管道及超参数据

读取输入管道数据

对于每一个输入管道的数据,会以PAI_INPUT_{CHANNEL_NAME}的环境变量注入到训练作业的容器中。

例如自定义组件有train、test两个输入管道,其值分别为:oss://<YourOssBucket>.<OssEndpoint>/path-to-data/oss://<YourOssBucket>.<OssEndpoint>/path-to-data/test.csv,则注入的环境变量如下:

PAI_INPUT_TRAIN=/ml/input/data/train/
PAI_INPUT_TEST=/ml/input/data/test/test.csv

读取输出管道数据

组件可以通过PAI_OUTPUT_{CHANNEL_NAME}环境变量,获取到对应的路径。

例如自定义组件有model和checkpoints两个输出管道,则注入的环境变量如下:

PAI_OUTPUT_MODEL=/ml/output/model/
PAI_OUTPUT_CHECKPOINTS=/ml/output/checkpoints/

读取超参数据

通过以下环境变量读取超参数据:

  • PAI_USER_ARGS

    组件运行时,作业的所有超参信息会以PAI_USER_ARGS环境变量,使用--{hyperparameter_name} {hyperparameter_value}的形式,注入到训练作业的容器中。

    例如训练作业指定了超参{"epochs": 10, "batch-size": 32, "learning-rate": 0.001},则PAI_USER_ARGS环境变量的值为:

    PAI_USER_ARGS="--epochs 10 --batch-size 32 --learning-rate 0.001"
  • PAI_HPS_{HYPERPARAMETER_NAME}

    单个参数的值,也会以环境变量的形式注入到训练作业的容器中。对于超参名中,环境变量中不支持的字符(仅支持字母、数字和下划线)会被替换为下划线。

    例如训练作业指定了超参{"epochs": 10, "batch-size": 32, "train.learning_rate": 0.001},对应的环境变量信息如下:

    PAI_HPS_EPOCHS=10
    PAI_HPS_BATCH_SIZE=32
    PAI_HPS_TRAIN_LEARNING_RATE=0.001
  • PAI_HPS

    训练作业的超参信息会以JSON格式通过PAI_HPS环境变量注入到训练作业的容器中。

    例如训练作业传递了超参{"epochs": 10, "batch-size": 32},则PAI_HPS环境变量的值为:

    PAI_HPS={"epochs": 10, "batch-size": 32}

输入输出目录结构

在执行代码中,除了通过环境变量获取输入或输出管道外,也可以直接通过容器内挂载路径进行访问。组件提交的任务在容器内执行时,会按照以下规则创建相应路径:

  • 代码路径:/ml/usercode/

  • 超参配置文件:/ml/input/config/hyperparameters.json

  • 训练作业的完整配置文件:/ml/input/config/training_job.json

  • 输入管道的目录路径:/ml/input/data/{channel_name}/

  • 输出管道的目录路径:/ml/output/{channel_name}/

自定义组件执行作业的输入输出目录结构完整示例如下:

/ml
|-- usercode                        # 用户代码加载到/ml/usercode目录,这里也是用户代码的工作目录. 可以通过环境变量PAI_WORKING_DIR获得。
|   |-- requirements.txt
|   |-- main.py
|-- input                           # 作业输入数据和配置信息
|   |-- config                      # config目录包含了作业的配置信息, 可以通过PAI_CONFIG_DIR获取。
|       |-- training_job.json       # 作业的完整配置。
|       |-- hyperparameters.json    # 训练作业超参.
|   |-- data                        # 作业的InputChannels: 以下目录包含了两个channel: train_data和test_data。
|       |-- test_data
|       |   |-- test.csv
|       |-- train_data
|           |-- train.csv
|-- output                          # 作业的输出Channels: 这里有model/checkpoints两个输出channel。
        |-- model                   # 通过环境变量PAI_OUTPUT_{OUTPUT_CHANNEL_NAME}可以获输出路径。
        |-- checkpoints

如何判断是否是GPU机器以及GPU卡数

任务启动后,可以通过环境变量NVIDIA_VISIBLE_DEVICES来判断当前机器是否具有GPU以及GPU卡数。例如:NVIDIA_VISIBLE_DEVICES=0,1,2,3表示当前机器具有4张GPU卡。