使用任务式建模构建手写体分类模型

任务式建模简介

任务式建模提供通过向导式的训练任务提交方式进行模型构建，支持基于多种算法来源进行训练任务提交，可直接通过代码包绑定主流训练框架启动训练任务，快速使用主流高性能及分布式训练框架提交训练任务。下面将由一个简单的 PyTorch MPIJob 演示如何使用任务式建模快速创建任务。

数据准备

数据集

本案例使用 mnist 数据集，下载地址为 数据集。

代码包

本案例的训练脚本是使用 PyTorch 框架撰写的，代码包下载地址为 代码包。

上传数据到 COS 对象存储中

您可以进入COS 控制台，在存储桶列表页面创建存储桶，详情请参考创建存储桶。
创建好的存储桶将用于平台任务数据的存放，包括数据集、代码包等，文件上传操作详情请参考上传对象。

注意

1. COS 为对象存储产品，独立计费，详细可见对象存储-计费概述。
2. 创建 COS 存储桶时，所属地域需跟训练任务所在的地域一致。

操作步骤

新建任务第一步

1. 进入训练工坊 > 任务式建模，单击新建，开始进入向导式训练任务创建。
2. 在基本信息页，填写如下信息：
   • 任务名称：mnist_train
   • 训练镜像选择：内置镜像 / PyTorch / torch1.9-py3.8-cuda11.1-gpu
   • 训练模式：MPI
   • 算力规格：8C40G V100*1
   • 节点数量：1个
   • 标签和描述：无需填写

新建任务第二步

在任务配置页，填写如下信息：

1. 数据配置：选择 COS 数据
   • 本地存储路径：填写 train
   • 数据所在路径：单击选择文件，在弹出的COS对话框中，选择需要使用的存储桶，单击左下方上传文件夹，将数据集解压后的文件夹ti-images上传，上传完成后选中文件夹路径，如下图所示：
     
2. 代码包：
   单击选择文件，在弹出的 COS 对话框中，选择需要使用的存储桶，单击左下方上传文件夹将准备好的代码包（需要先解压）文件夹mnist.pytorch上传至COS存储桶中，并选定代码包所在路径。
   
   
3. 启动命令：填写 sh start.sh
4. 训练输出：单击选择文件，在弹出的COS对话框中，选择需要使用的存储桶，选择训练输出数据需要保存的路径，如下图所示：
   
5. 调优参数：无
6. 私有化网络：无
7. CLS 日志：选择不投递
   配置完成后，可在页面底部查看本次训练任务的每小时收费价格，单击确定，即完成任务提交。

查看和监控任务

1. 提交成功后，可在任务列表页面看到任务记录。
2. 点击任务名称，可进入任务详情页查看日志和监控信息。