【TI-ONE系列教程（三）】如何使用 TI-ONE 平台內置框架玩轉算法大賽

以下文章來源於騰訊智能鈦AI開發者，作者智能鈦

2020騰訊廣告算法大賽已啟動

智能鈦 TI-ONE 作為本次大賽

官方唯一指定的機器學習平台

將在比賽全流程中為參賽選手

提供機器學習平台及計算資源支持

為方便選手快速上手使用平台

TI-ONE 特準備了大賽專用教程

本篇文章將告訴大家
如何使用 TI-ONE 平台內置框架
玩轉算法大賽

———-以下為正文內容———-

在這篇文章中，我們用一個測試案例向您介紹 TI-ONE 內置框架的使用流程。以下內容和數據路徑均為示例，僅演示流程，並非比賽官方數據。

智能鈦平台的框架版本如下：深度學習框架：

機器學習框架：

一、新建工程與任務流

1.新建工程

登陸 TI-ONE 控制台，將平台地域切換為上海。

在工程列表頁面，單擊【我的工程】>【新建工程】。

根據提示填寫工程信息，在下拉列表處選擇 Bucket 名稱，該工程里的訓練數據、中間結果等內容將存入此 Bucket。注意COS Bucket 所需地域應為上海。

在工程中單擊「+」號，您可新建自定義任務流。創建完成後點擊進入畫布。

二、獲取數據路徑

1.進入畫布後，將【輸入】-【公共數據集】-【算法大賽數據集】拖入畫布，該數據集包括訓練集和測試集。2.點擊該組件，在右側彈框中我們可以看到數據路徑。建議您對該路徑進行拷貝及存儲，後續您需要通過入參形式進行數據導入。

注意：只有在各框架參數的【程序參數】欄目里才可以使用${ai_dataset_lib}和${cos}此類標識符，因此您需要將數據集的輸入和輸出路徑通過【程序參數】傳遞，而不能在腳本中直接導入。在本案例中，路徑如下：

訓練集路徑：${ai_dataset_lib}/contest/demo/iris_training.csv

測試集路徑：${ai_dataset_lib}/contest/demo/iris_test.csv

您可以在左側算法欄中選擇合適的框架。找到該框架拖入畫布中，框架會與數據集自動連線，過程中任何連線或框架選擇有誤都可以通過【右鍵刪除】。在本案例中，我們選擇【TensorFlow】框架進行模型訓練。

注意：使用框架訓練需要通過入參的方式接入數據集，故在此處連線僅表示算子運行的前後順序，不代表數據流向。您可以將數據集與框架相連進行訓練，也可以在記錄下數據集路徑後將數據集組件刪除，只拉取框架進行訓練。

點擊該框架，在右側彈窗中配置組件參數和資源參數，請您根據實際數據集情況進行填寫。如果您使用內置框架，輸出的結果文件需要與大賽要求的結果文件格式一致。本案例參數配置如下。

依賴包文件：如果入口腳本需要 import 項目中的其它自己編寫的模塊，需要將其它模塊的代碼上傳至此。多個.py文件需要直接壓縮成 zip 包上傳，該 zip 包會被添加到 Python 的 path 中。需要注意，文件格式需要是.zip格式，通過tar壓縮的格式不屬於其類。

程序參數：

此處填入用戶自定義參數，自定義參數將會傳遞給入口 py 文件。您需要將數據集的輸入和輸出路徑通過此處傳遞，注意只有在程序參數里才可以使用 ${ai_dataset_lib}和${cos}此類標識符，其中${cos}代表任務流所在的COS存儲桶的根目錄。
輸入路徑：訓練集和測試集路徑我們已通過【算法大賽數據集】獲取。
輸出路徑：由用戶自己指定。您可以在自己的 COS 存儲桶中新建文件夾如【contest_result】，模型將會存儲至該路徑中，以便後續導入模型時查找。
本案例中，各類程序參數填寫如下：

–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