快速上手操作指南

快速上手操作指南可以帮助用户快速展开基本的AI算法开发和训练任务。

拷贝数据

平台提供数据保存的目录有四个：个人家目录、样本数据目录、公共目录下的全局共享和组共享目录。普通用户可以通过页面上传数据，也可以通过SFTP工具上传数据。下面介绍通过 SFTP 上传数据的操作；
打开PC电脑端的XFTP工具通过IP、端口、用户、密码是登录平台的密码。连接成功后，可以进行数据文件上传操作。

平台内复制数据

安装完成后，平台自带了基本模型和测试脚本， 该数据文件在文件管理-全局共享-defaultShare目录下的 user-data，用户可以通过“复制到”功能把该目录下所有文件目录复制到用户家目录中，以普通用户为例操作说明如下：

模型开发和调试

以下以tmpUser用户为例，所用的资源组是通用标签默认资源组（可根据实际情况选择）；我们以创建TensorFlow框架的开发环境为例说明，进入shell终端后目录为当前用户家目录；平台自带的算例存放在/defaultShare/user-data目录下，可以通过文件管理中复制功能复制到用户目录。 由于所有作业脚本中路径以tmpUser为默认用户；如果是其他用户，首先，通过运行./user_path_change.sh user_name修改作业脚本的中路径信息。 创建TensorFlow开发环境步骤如下：
镜像：TensorFlow的镜像在TensorFlow标签页下。
数据集路径：MNIST_data。
创建开发环境步骤如下：
1.单击右上角“创建”按钮。
2.创建开发环境时，自动根据当前的日期和时间进行开发环境名称的命名，用户也可以修改开发环境名称。
3.开发环境参数说明：
3.1 选择相应Tensoflow框架的镜像。
3.2 用户可以选择开发环境要创建到的资源组。
3.3 右侧显示当前用户所属用户组和个人可用资源以及当前所选资源组下各节点资源剩余情况，若选择具体的节点，开发环境将创建在选择的节点上，否则将由系统内部调度机制选择节点。
3.4 加速卡系列：根据下拉列表配置可选择相应的加速卡系列；右侧的可用节点信息会根据所选加速卡系列，进行动态筛选变化。
3.5 加速卡类型选项列出所选择资源组中所包含的GPU卡类型。选择GPU卡的类型之后，开发环境会调度到使用对应GPU卡的物理机。
3.6 CPU/加速卡：资源的推荐配置，包括一些常用CPU和加速卡的数量配置。
3.7 用户可以配置开发环境所使用的GPU卡个数和CPU的核数。
3.8 数据配置：选择文件管理，在弹出的路径选择窗口中选择要使用的数据集，支持选择多个数据集；选择数据集管理，在数据集列表中选择可用数据集；单击选择数据，选择数据图标，可以选择要挂载的数据集路径；在弹出的路径选择窗口中选择要挂载的数据集，可以选择多个需要的数据集目录。在创建开发环境时，会将选择的路径挂载到环境中；根据是否更新数据集的开关，可以选择是否会在本地已有缓存数据集的情况下，将数据集更新的地方缓存至本地。
3.9 选择模型：用户可选择需要挂载的模型。
3.10 环境变量：用户可添加自定义环境变量。
3.11 更多选项：单击“更多选项”，可以选择开发环境的更多设置：
内存：大小默认为0，表明不限制内存，用户可以自行设置。
端口：可以让用户自行设置一个用户需要的端口。左边为容器内端口号，右边为容器外端口号，右边可为空。
shm_size：share memory size，默认为4GB。
副本数：一次创建多个开发环境。
启动命令：支持一定程度上由用户指令启动开发环境，并由用户保证命令的正确性。
在开发环境创建过程中，数据集在同步下载，会显示下载进度，等开发环境创建完成后，单击开发环境名称，进入开发环境页面。
创建完成后，进入WebShell终端，切换到tensorflow/mnist目录：

cd /tmpUser/models/tensorflow/mnist   

启动命令：

python tf_mnist_single.py   

也可以通过shell终端连接到开发环境中，在开发环境列表中单击“SSH”按钮查看连接方式。
打开PC电脑上的shell终端连接到开发环境中，执行训练任务命令。
可以执行tf_mnist_single.py文件进行单机单卡训练任务。

训练任务-托管式服务

下面以tmpUser用户说明创建TensorFlow单机任务操作说明：
1.单击“创建”按钮，开始创建Tensorflow单机任务。
2.填写任务信息
--镜像：选择Tensorflow镜像
--数据集：/MNIST_data
--启动文件： Tensorflow单机训练脚本，/tmpUser/models/tensorflow/mnist/tf_mnist_single.py

或者使用命令模式：

python /tmpUser/models/tensorflow/mnist/tf_mnist_single.py 

其他参数按需选择。

训练任务可视化

用户通过平台提供的可视化功能，能够查看任务的训练日志。操作步骤：
1.进入“业务管理 > 任务管理”，单击“可视化”按钮
2.如果在创建任务的时候没有选择日志路径，在此处将会再次提示用户选择
3.单击“确定”后，弹出可视化窗口