使用自定义组件

使用限制

仅支持在Designer中使用通用训练资源公共资源组运行自定义组件。

前提条件

已将执行代码上传到了OSS Bucket路径，具体操作请参见控制台上传文件。本示例的执行代码示例为main.py和requirements.txt。

操作步骤

1. 创建Pytorch类型的自定义组件。

   进入新建组件页面，创建Pytorch类型的自定义组件，详细操作步骤与更多参数配置说明，请参见创建自定义组件，本示例的核心配置要点如下。

   • 执行配置

     参数	描述
     任务类型	选择Pytorch。
     执行镜像	选择社区镜像：pytorch-training:1.12-cpu-py39-ubuntu20.04。
     执行代码	配置为代码入口文件（main.py、requirements.txt）所在的OSS Bucket路径。
     执行命令	配置为：python main.py $PAI_USER_ARGS --train $PAI_INPUT_TRAIN --test $PAI_INPUT_TEST --model $PAI_OUTPUT_MODEL --checkpoints $PAI_OUTPUT_CHECKPOINTS && echo "job finished"。

   • 管道及参数配置

     参数	描述
     输入	单击配置两个输入管道： 输入名称分别配置为：train、test。 输入来源：OSS。 是否必填分别配置为：是、否。 描述分别配置为：训练数据、测试数据。
     输出	单击配置两个输出管道： 输出名称分别配置为：model、checkpoints。 存储类型：OSS。 是否必填：是。 描述分别配置为：模型数据、算法checkpoints。
     参数	单击配置五个参数： 参数名称分别配置为：param1、param2、param3、param4、param5。 参数类型分别配置为：Int、Float、String、Bool、Int。 默认值分别配置为：6、0.3、test1、true、2。 约束条件配置：单击默认值后的约束，分别参照上图为每个参数配置约束条件。 是否必填分别配置为：是、是、是、否、否。

   • 训练约束

     参数	描述
     开启训练约束	打开开启训练约束开关。
     机器类型	选择CPU和GPU。
     支持多机	选择支持。
     支持多卡	选择不支持。

2. 新建空白工作流并双击工作流名称进入工作流页面，具体操作，请参见创建工作流：空白工作流。

3. 本示例的组件名称为component，您可以在左侧组件列表直接将其拖入右侧画布中，即可使用自定义组件，其使用方式和Designer内置算法组件一致。

   当自定义组件创建成功后，Designer中会在算法树中展示当前工作空间中的自定义组件。

   • 自定义组件的输入、输出通道会被转换为Designer组件的输入和输出。

   • 自定义组件的参数会转换为Designer组件的可视化控件。

   • 每个输出通道会对应一个OSS目录选择控件，让您可以选择对应的输出目录。

   • 自定义组件训练约束配置转换为Designer组件执行调优配置。

后续，如果自定义组件不满足您的使用场景，您还可以在组件列表页面更新自定义组件相关配置或新增组件版本，详情请参见管理自定义组件。