快速入门¶

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

1. 点击导航栏的 数据管理 -> 数据集列表 ，点击 创建 。创建三个数据集，分别为：

   • 代码： https://github.com/d-run/drun-samples
     • 国内慢可以使用 gitee 加速： https://gitee.com/samzong_lu/training-sample-code.git
   • 数据： https://github.com/zalandoresearch/fashion-mnist
     • 国内慢可以使用 gitee 加速： https://gitee.com/samzong_lu/fashion-mnist.git
   • 空 PVC：创建一个空的 PVC 以便输出训练结束的模型和日志。

   Note

   目前仅支持读写模式为 ReadWriteMany 的 StorageClass，请使用 NFS 或者推荐使用 JuiceFS。

   

   

   

2. 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：

   

3. 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
   

   

4. 点击导航栏的 任务中心 -> 任务管理 ，创建一个 Tensorflow 单机任务，任务配置参考下图， 并开启 任务分析（Tersorboard） 功能，点击 创建 后等待状态完成。

   • 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，建议在第二步资源配置中开启 GPU 配置。

   

5. 在上一步创建成功的任务，即可在任务分析中，点击对应任务分析中的访问查看，查看任务状态并对其进行任务训练的调优。

   

评论