PAI-TF超参支持

您可以通过一个本地文件配置相应的超参信息，格式如下。

batch_size=10
learning_rate=0.01

TensorFlow Python SDK提供了相应的参数以便获取相应的超参，您可以通过tf.app.flags.FLAGS读取所需的超参，再将其传入运行脚本中，即可在模型训练文件中读取到相应的超参定义。具体方法如下：

1. 假设上面定义的超参文件存储在oss://xxx.oss-cn-beijing.aliyuncs.com/tf/hyper_para.txt，参考如下Python代码读取超参。

   import tensorflow as tf
   tf.app.flags.DEFINE_string("learning_rate", "", "learning_rate")
   tf.app.flags.DEFINE_string("batch_size", "", "batch size")
   FAGS = tf.app.flags.FLAGS
   print("learning rate:" + FAGS.learning_rate)
   print("batch size:" + FAGS.batch_size)

2. 通过-DhyperParameters将超参传入到运行脚本中，示例如下。

    pai -name tensorflow1120_ext
            -Dscript='oss://xxx.oss-cn-beijing.aliyuncs.com/tf/hello_hyperpara.py'
            -Dbuckets='oss://xxx.oss-cn-beijing.aliyuncs.com/'
            -DhyperParameters='oss://xxx.oss-cn-beijing.aliyuncs.com/tf/hyper_para.txt'
            -Darn='acs:ram::111***:role/***role';

PAI-TF也支持以字符串形式传入参数，您可以直接将字符串通过userDefinedParameters传入，示例如下。

pai -name tensorflow1120_ext
         -Dscript='oss://xxx.oss-cn-beijing.aliyuncs.com/tf/hello_hyperpara.py'
         -Dbuckets='oss://xxx.oss-cn-beijing.aliyuncs.com/'
         -DuserDefinedParameters="--batch_size=10 --learning_rate=0.01"
         -Darn='acs:ram::111***:role/***role';