Question

AI计算平台的第一个项目-开始训练

经过前面两个小节，我们已经了解AI计算平台的一些概念，也已经准备好数据集、模型和训练代码，本小节让我们来演练如何在AI计算平台上，通过简单的操作来运行一个AI计算任务，运行一个AI计算任务，我们归纳为以下三个步骤：

1. 创建项目
2. 运行任务
3. 查看结果

1. 创建项目

请在页面上跟随以下步骤完成第一个项目的创建。

1. 点击创建项目打开项目创建页面，填写项目名称，比如我们命名为DogVSCat；
2. 编程语言我们用的是Python3.6，算法框架我们用的是PyTorch1.0，依次选择；
3. 点击选择数据集按钮，在弹出框里，搜索选择DogVSCat数据集；
4. 点击模型下拉框，选择公开模型，在弹框中选择ResNet模型；
5. 在项目代码模块，选择【本地上传】按钮，将前一个小节我们提供的代码解压后上传；
6. 点击创建项目，即可完成项目的创建，项目完成创建后，会自动跳转到项目详情页。

2. 创建任务

在项目详情页，点击右上角的【运行】按钮，打开创建任务抽屉。在创建任务抽屉，我们需要设置以下信息：

1. 镜像：此处我们使用系统推荐的镜像即可；

2. 队列：此处我们使用默认的default队列；

3. 计算卡类型：此处可选择空闲的计算卡套餐进行训练；

4. 计算卡个数：此处可选择1张计算卡进行训练；

5. 启动命令文本框：是用于输入我们任务的启动命令代码，在本次的演示项目中，我们输入指令如下：

   python dogcat_train.py --arch resnet34 --model /model/systemuser/ResNet/resnet34.pth --train_dataset /data/systemuser/DogVsCat/train --trainval_dataset /data/systemuser/DogVsCat/trainval
   

   说明：以上命令的核心是python dogcat_train.py，后面附带的都是超参数，我们在AI计算平台中可以通过这种方式将一些参数传入代码中，本例为了给大家演示如何获取模型和数据集文件，将这些参数放在超参数中：

   --arch：代表网络结构(默认为resnet18)；

   --model：代表本次选择的模型文件路径；

   --train_dataset和--trainval_dataset：分别代表训练集和验证机的文件路径；

6. 点击【保存并运行任务】按钮，即可提交本次运行任务。

3. 查看结果

在上一步骤提交运行任务后，系统会自动跳转至【运行任务-运行结果】页面，此页面左侧为任务列表，右侧分别为【运行结果】、【任务日志】、【output】、【资源图表】、【系统事件】功能，可通过点击按钮切换查看。

4. TensorBoard可视化分析

AI计算平台平台中运行的任务，可以通过TensorBoard来进行可视化分析，需要如下操作：

1. 在代码中使用tensorboardX将数据写入到指定目录/output/logs中；
2. 在【运行任务】界面的操作菜单点击TensorBoard按钮即可查看。

关于TensorBoard面板如何使用，可以参考这篇文章：TensorboardX使用教程 ，需要通外网才能访问。