PAI-TF调用方式

目录

• PAI-Studio调用方式
• MaxCompute Console调用方式
• Dataworks节点调度TF方式

PAI-Studio调用方式

目前仅支持北京、上海两个区域

1.进入PAI控制台，点击”Studio可视化建模“

（1）新建项目，建议使用后付费（按量付费模式）

（2）开启GPU，PAI-TF任务只能运行在GPU资源下

2.进入PAI-Studio项目后，可以通过首页模板快速了解PAI-TF的用法，模板已经内置了训练代码和数据。在首页模板找到Tensorflow图像分类案例，点击”从模板创建“即可。

模板案例是基于开源图像数据cifar10的图像分类案例，数据和代码可以在以下地址下载并获取：

https://help.aliyun.com/document_detail/51800.html

3.实验流程说明

• 数据源可以是OSS或者MaxCompute表，细节请参考文档”PAI-TF数据IO方式“
• 执行任务前需要授权PAI可以对OSS进行读取，需要主账号登录，并在设置页面进行OSS授权

• 如果使用的是实验模板，只需要按照下图提示修改checkpoint为自己的OSS即可运行

4.训练组件说明

• Tensorflow版本：可以根据代码自行选择Tensorflow版本
• Python代码文件：需要把执行代码放到OSS路径下,如果是工程文件需要是tar.gz的压缩包（注意OSS需要与当前项目在同一区域）
• Python主文件：如果代码文件是tar.gz压缩包，需要指定入口python文件
• OSS数据源：上游输入的OSS地址
• Checkpoint输出目录/模型输入目录：选择自己的OSS路径用来存放模型
• MaxCompute输出表：写MaxCompute表要求输出表是已经存在的表，并且输出的表名需要跟代码中的输出表名一致。
• 建表SQL语句：如果代码中的输出表并不存在，可以通过这个输入框输入建表语句自动建表。建表语句会在TF脚本执行前执行，如建表语句“create table iris_output(f1 DOUBLE,f2 DOUBLE,f3 DOUBLE,f4 DOUBLE,f5 STRING);”

5.分布式参数说明

• 单机或分布式指的是计算的机器数量
• 指定worker个数：分布式计算的机器数
• 指定workerGPU卡数：每个worker的GPU卡数，假设worker个数为3个，指定workerGPU卡数为2，那么总卡数为3*2=6
• 指定ps个数：参数服务器的个数，通常不超过worker个数的一半

MaxCompute Console调用方式

MaxCompute是阿里云自研的大数据计算平台，PAI是基于MaxCompute建设的人工智能平台，PAI-TF的计算可以运行在MaxCompute之上，本节介绍如何基于MaxCompute Console工具运行PAI任务。

使用MaxCompute Console方式跑PAI-TF任务需要先前往PAI购买页，购买PAI后付费服务

MaxComupute Console为一个可被封装的命令行工具，可在以下页面下载：https://help.aliyun.com/document_detail/27971.html

下载后请安装配置说明配置安装和配置：

配置好环境后进入命令行工具，输入PAI-TF命令即可运行脚本，PAI-TF任务参考文档”“

Dataworks节点调度TF方式

1.进入Dataworks控制台

2.选择项目并进入，Dataworks与PAI-Studio公用项目，创建项目的时候需要开通底层MaxCompute引擎，都选择后付费模式即可。

3.点击＋号，选择MaxCompute下的SQL节点（如果没有创建业务流程，需要先创建业务流程）

4.复制PAI命令到界面内，点击运行即可