快速入门¶

本文提供了简单的操作手册以便用户使用 DCE 5.0 智能算力进行数据集、Notebook、任务训练的整个开发、训练流程。

点击 数据管理 -> 数据集列表 ，选择 创建 ，分别创建以下三个数据集。

准备数据集¶

数据集：训练代码¶

• 代码数据源：https://github.com/d-run/drun-samples.git，主要是一个简单的 Tensorflow 代码。
• 国内慢可以使用 gitee 加速：https://gitee.com/samzong_lu/training-sample-code.git
• 代码路径在 tensorflow/tf-fashion-mnist-sample 下。

数据集：训练数据¶

本次训练使用的数据：https://github.com/zalandoresearch/fashion-mnist.git， 这是 Fashion-MNIST 数据集。

国内慢可以使用 Gitee 加速：https://gitee.com/samzong_lu/fashion-mnist.git

数据集：空 PVC¶

智能算力支持将 PVC 作为数据集的数据源类型，所以你可以创建空数据集，用于存储训练结束的模型和日志。

创建并使用 Notebook¶

准备开发环境，点击导航栏的 Notebooks ，点击 创建 。将上一步中创建的三个数据集进行关联，挂载路径请参照下图填写：

等待 Notebook 创建成功，点击列表中的访问地址，进入 Notebook。并在 Notebook 的终端中执行以下命令进行任务训练。

python /home/jovyan/code/tensorflow/tf-fashion-mnist-sample/train.py

创建训练任务¶

1. 点击导航栏的 任务中心 -> 训练任务 ，创建一个 Tensorflow 单机任务
2. 先填写基本参数后，点击 下一步

3. 在任务资源配置中，正确配置任务资源后，点击 下一步

   

   • 镜像地址填写：release.daocloud.io/baize/jupyter-tensorflow-full:v1.8.0-baize
   • Command：python
   • Arguments：/home/jovyan/code/tensorflow/tf-fashion-mnist-sample/train.py

   Note

   数据集或模型较大时，建议开启 GPU 配置。

4. 在高级配置中，启用 任务分析（Tersorboard） ，点击 确定 。

   

5. 返回训练任务列表，等到状态变为 成功 。点击列表右侧的 ┇ ，可以查看详情、克隆任务、更新优先级、查看日志和删除等操作。

   

成功创建任务后，在左侧导航栏点击 任务分析 ，可以查看任务状态并对任务训练进行调优。

评论