【TI-ONE系列教程（三）】如何使用 TI-ONE 平台内置框架玩转算法大赛

以下文章来源于腾讯智能钛AI开发者，作者智能钛

2020腾讯广告算法大赛已启动

智能钛 TI-ONE 作为本次大赛

官方唯一指定的机器学习平台

将在比赛全流程中为参赛选手

提供机器学习平台及计算资源支持

为方便选手快速上手使用平台

TI-ONE 特准备了大赛专用教程

本篇文章将告诉大家
如何使用 TI-ONE 平台内置框架
玩转算法大赛

———-以下为正文内容———-

在这篇文章中，我们用一个测试案例向您介绍 TI-ONE 内置框架的使用流程。以下内容和数据路径均为示例，仅演示流程，并非比赛官方数据。

智能钛平台的框架版本如下：深度学习框架：

机器学习框架：

一、新建工程与任务流

1.新建工程

登陆 TI-ONE 控制台，将平台地域切换为上海。

在工程列表页面，单击【我的工程】>【新建工程】。

根据提示填写工程信息，在下拉列表处选择 Bucket 名称，该工程里的训练数据、中间结果等内容将存入此 Bucket。注意COS Bucket 所需地域应为上海。

在工程中单击“+”号，您可新建自定义任务流。创建完成后点击进入画布。

二、获取数据路径

1.进入画布后，将【输入】-【公共数据集】-【算法大赛数据集】拖入画布，该数据集包括训练集和测试集。2.点击该组件，在右侧弹框中我们可以看到数据路径。建议您对该路径进行拷贝及存储，后续您需要通过入参形式进行数据导入。

注意：只有在各框架参数的【程序参数】栏目里才可以使用${ai_dataset_lib}和${cos}此类标识符，因此您需要将数据集的输入和输出路径通过【程序参数】传递，而不能在脚本中直接导入。在本案例中，路径如下：

训练集路径：${ai_dataset_lib}/contest/demo/iris_training.csv

测试集路径：${ai_dataset_lib}/contest/demo/iris_test.csv

您可以在左侧算法栏中选择合适的框架。找到该框架拖入画布中，框架会与数据集自动连线，过程中任何连线或框架选择有误都可以通过【右键删除】。在本案例中，我们选择【TensorFlow】框架进行模型训练。

注意：使用框架训练需要通过入参的方式接入数据集，故在此处连线仅表示算子运行的前后顺序，不代表数据流向。您可以将数据集与框架相连进行训练，也可以在记录下数据集路径后将数据集组件删除，只拉取框架进行训练。

点击该框架，在右侧弹窗中配置组件参数和资源参数，请您根据实际数据集情况进行填写。如果您使用内置框架，输出的结果文件需要与大赛要求的结果文件格式一致。本案例参数配置如下。

依赖包文件：如果入口脚本需要 import 项目中的其它自己编写的模块，需要将其它模块的代码上传至此。多个.py文件需要直接压缩成 zip 包上传，该 zip 包会被添加到 Python 的 path 中。需要注意，文件格式需要是.zip格式，通过tar压缩的格式不属于其类。

程序参数：

此处填入用户自定义参数，自定义参数将会传递给入口 py 文件。您需要将数据集的输入和输出路径通过此处传递，注意只有在程序参数里才可以使用 ${ai_dataset_lib}和${cos}此类标识符，其中${cos}代表任务流所在的COS存储桶的根目录。
输入路径：训练集和测试集路径我们已通过【算法大赛数据集】获取。
输出路径：由用户自己指定。您可以在自己的 COS 存储桶中新建文件夹如【contest_result】，模型将会存储至该路径中，以便后续导入模型时查找。
本案例中，各类程序参数填写如下：

–train_path ${ai_dataset_lib}/contest/demo/iris_training.csv–test_path ${ai_dataset_lib}/contest/demo/iris_test.csv–result_dir ${cos}/contest_result