模型开发

模型开发模块是「一站式开发平台」提供给用户开发算法的模块,包含 Notebook 和算法管理两部分:

Notebook 是一种交互式编程环境,AI 开发者可以在云端进行机器学习的开发。该模块集成了开源的 JupyterLab ,可支持开发者在线编辑、调试、运行代码,同时预置了 OneFlow,PyTorch,TensorFlow 等多种深度学习框架,用户可在多种框架之间自由切换。每个 Notebook 都是一个独立的编程环境,用户可以对 Notebook 实现创建、打开、停止、启动、删除等操作,算法开发完成之后,还可以将其保存到「算法管理」的「我的算法」中,从而可以进行后续的训练工作。

算法管理用于保存一些平台预置的算法以及用户自己开发的算法。对于已经保存的算法,用户可以进行在线编辑、创建训练任务、下载、 fork 、删除等操作。

Notebook 操作流程

以下为 Notebook 模块操作流程图:

图 1 Notebook 操作流程
图 1 Notebook 操作流程
  1. 当用户需要从无到有开发算法时,首先需要创建 Notebook ,期间可以根据自己的需要进行一系列相关配置。
  2. Notebook 创建完成后,即可在界面上点击「打开」进入 JupyterLab 界面进行代码编辑。如果用户在本地已有代码,也可直接上传。
  3. 代码编辑完成后,还可进行在线运行代码。算法开发完成后,可点击「保存算法」,将开发完成的算法保存到「算法管理」的「我的算法」中。

算法管理操作流程

以下为算法管理模块操作流程图:

图 2 算法管理操作流程
图 2 算法管理操作流程
  1. 用户首先需要准备算法,算法的获取途径有四种:
  • 在「我的算法」页面中上传算法
  • 使用「预置算法」页面中的预置算法。
  • fork 已有算法。
  • 从 Notebook 列表中保存算法。
  1. 「我的算法」列表中,可根据需要选择算法进行在线编辑,点击「在线编辑」后会进入 JupyterLab 页面,同时在 Notebook 列表中新增一条对应 Notebook 数据。编辑完成并保存算法后,可使用该算法创建训练任务,进入后续的训练环节。
  2. 「我的算法」是用户创建的算法列表,可进行上传算法、在线编辑、创建训练任务、下载、 fork 、删除等操作。
  3. 「预置算法」是系统自带的算法列表,可进行创建训练任务、下载、 fork 等操作,但不可进行上传算法、在线编辑、删除等操作。
Last updated on