Tensorflow 提交模型训练任务

最近更新时间:2021-04-09 18:18:02

查看PDF

本文档将向您介绍如何在Notebook通过SDK将训练的Tensorflow 模型发布到模型训练模块中。示例代码及注释如下:

示例:local模式

from kai_sdk.train.tensorflow.estimator import Tensorflow
from kai_sdk.conf.kai_conf import KaiConf

def local_train():
    kai_conf = KaiConf()               
    tf_estimator = Tensorflow(                   #框架为Tensorflow
        framework_version='2.4.0',               #输入Tensorflow的框架版本
        entry_point='tf_mnist.py',               #入口执行文件
        source_dir='/home/kai',                  #代码文件存放的目录  
        hyperparameters={                        #训练任务的参数设置
            "epochs": 1,
            "batch-size": 200
        },
        envs={                                   #region地址
            "ADDRESS": "beijing"
        },
        train_instance_type='local',             #训练任务的方式为local模式
        train_instance_local_mode='conda',       #本地模式下,训练的方式,目前只支持conda
        base_job_name='base_job',                #作业名称的前缀
        dependences=[                            #训练代码依赖的pip包
            'pymysql'
        ],
        # output_path='model',                   #模型输出目录,当前仅支持指定本地,后续会支持输出到ks3
        kai_conf=kai_conf,                       #训练上下文配置
        is_register=True,                        #是否注册到模型管理
        model_meta_path='/home/kai/Model.py',    #Model.py所在的路径
        register_model_config={                  #模型注册时,使用的配置信息
            'experiment_id': '439642fb-4cbd-4af0-8ee2-490e282b3f00',
            'model_name': 'my-test'
        }
    )
    """
    inputs: "" or dict("train": "", "test": "")
    dataset
    """
    tf_estimator.fit({'train': '/home/kai'})
if __name__ == '__main__':
    local_train()

注意:每次创建一个工作区会生成一个experiment_id。查看方式:在实验管理列表中,选择要连接的实验,单击实验名称,跳转到实验管理详情页中,该页面生成的url后缀有一行id码,复制该id替换到容器开发中的experiment_id。

文档内容是否对您有帮助?

根本没帮助
文档较差
文档一般
文档不错
文档很好

在文档使用中是否遇到以下问题

内容不全,不深入
内容更新不及时
描述不清晰,比较混乱
系统或功能太复杂,缺乏足够的引导
内容冗长

更多建议

0/200

评价建议不能为空

提交成功!

非常感谢您的反馈,我们会继续努力做到更好!

问题反馈