摘要：相比于传统的软件开发，AI开发存在以下4个痛点：算法繁多；训练时间长；算力需求大；模型需手动管理，我们可以使用云上AI开发的方式来缓解以上4个痛点。

本文分享自华为云社区《git clone开启云上AI开发》，作者：ModelArts开发者。

已发布地址：https://developer.huaweicloud.com/develop/aigallery/article/detail?id=17052711-f3f5-4b53-bdbc-5d5c7cdc64fa

一、为什么需要云上AI开发？

相比于传统的软件开发，AI开发存在以下4个痛点：

1）算法繁多；

2）训练时间长；

3）算力需求大；

4）模型需手动管理

我们可以使用云上AI开发的方式来缓解以上4个痛点，云上AI开发的优势：

1. 任意地点接入，在线开发；
2. 云上环境预置多种主流深度学习框架，开“箱“即用；
3. 云端充足算力、TB级数据存储，支持重型训练任务；
4. 云端平台具备训练任务版本化管理，AI开发更可靠、可高效；

二、云上AI开发主要步骤

三、具体操作步骤

步骤一 Notebook调试

1.准备Python环境

进入ModelArts控制管理台，点击【开发环境】–> 【Notebook】，进入notebook列表页面，点击页面左上角“创建”按钮，新建一个notebook，填写参数，下图所示：

点击“立即创建”，确认产品规格后，点击提交，完成Notebook的创建。

返回Notebook列表页面，等待新创建Notebook状态变为“运行中”后，点击名称进入Notebook。

进入Notebook页面后，打开terminal，如下图所示：

输入如下命令，查看已安装Python环境信息

conda info -e

点此链接GitHub - IDEA-Research/DINO，下面将以此开源算法为例，演示如何在华为云Notebook上快速运行,算法详细介绍请参考 README.md 。

1）在terminal里继续输入如下命令，克隆仓库

git clone https://github.com/IDEACVR/DINO
cd DINO

如上图所示，表示已完成代码克隆，点击左侧任务栏顶部刷新按钮，即可查看代码。

2）查看Pytorch版本

pip list | grep torch

3）安装其他需要的包

pip install -r requirements.txt

4）编译CUDA算子

cd models/dino/ops
python setup.py build install
# unit test (should see all checking is True)
python test.py
cd ../../..  # 回到代码主目录

2.准备数据和预训练参数文件

1）进入控制台，将光标移动至左边栏，弹出菜单中选择“服务列表”->“存储”->“对象存储服务OBS”，如下图所示：

点击“创建桶”按钮进入创建界面。

开始创建。配置参数如下：

① 复制桶配置：不选② 区域：华北-北京四③ 桶名称：自定义，将在后续步骤使用④ 数据冗余存储策略：单AZ存储⑤ 默认存储类别：标准存储⑥ 桶策略：私有⑦ 默认加密：关闭⑧ 归档数据直读：关闭

单击“立即创建”>“确定”，完成桶创建。

点击创建的“桶名称”->“对象”->“新建文件夹”，创建一个文件夹，用于存放后续数据集。

2）下载COCO 2017数据集子集。该数据集包括train（5000张），val（5000张）及标注文件。进入下载详情页面，下载方式选择对象存储服务（OBS），目标区域选择华北-北京四，目标路径选择1中在OBS中创建的路径，用于数据集存储，如下图所示：

点击“确认”，跳转至我的下载页面，可以查看数据集下载详情，等待数据集下载完成，如下图所示：

返回Notebook页面，新建一个ipynb文件，编写导入数据集脚本，运行代码，运行完毕后，点击任务栏上方“刷新”按钮，即可查看导入dataset，如下图所示：

import moxing as mox
mox.file.copy_parallel({obs_path},{notebook_path})

说明：

{obs_path}为OBS存储数据集的位置{notebook_path}为数据集在notebook中的存储路径

3）下载DINO 模型 checkpoint “checkpoint0011_4scale.pth”，下载完成后，返回Notebook页面，在DINO页面，创建文件夹ckpts，用于存放下载的checkpoint。

进入文件夹，点击任务栏上方”上传“按钮，选择下载完成的checkpoint 路径，文件大小超过100MB，需选择OBS中转，等待数据上传完毕，如下图所示：

3.运行代码

1）执行下面的命令,评估预训练模型,你可以期待得到最终的AP大约49.0。

bash scripts/DINO_eval.sh /path/to/your/COCODIR /path/to/your/checkpoint

说明：

/path/to/your/COCODIR 为Notebook数据集的存储路径/path/to/your/checkpoint 为Notebookcheckpoint存储路径

如下图所示：

整个过程约等待13分钟左右，运行结果如下：

2）推理及可视化

打开DINO目录下的inference_and_visualization.ipynb，选择Kernel Pytorch-1.8，如下图所示：

修改代码：

...
model_checkpoint_path = "ckpts/checkpoint0011_4scale.pth"  # 修改checkpoint路径
...
args.coco_path = "../dataset"  # 修改coco数据集路径

运行代码查看推理结果。

步骤二 运行训练作业

1.保存镜像

1）返回ModelArts管理控制台，在左侧菜单栏中选择**“开发环境 > Notebook”**，进入新版Notebook管理页面。在Notebook列表中，点击名称进入创建的Notebook详情页

2）点击右侧“更多”，选择“保存镜像”

3）在保存镜像对话框中，设置组织、镜像名称、镜像版本和描述信息。单击“确认”保存镜像。

在“组织”下拉框中选择一个组织。如果没有组织，可以单击右侧的“立即创建”，创建一个组织。创建组织的详细操作请参见创建组织。

同一个组织内的用户可以共享使用该组织内的所有镜像。

4）镜像会以快照的形式保存，保存过程约5分钟，请耐心等待。此时不可再操作实例（对于打开的JupyterLab界面和本地IDE 仍可操作）。

5）镜像保存成功后，实例状态变为**“运行中”**，用户可在“镜像管理”页面查看到该镜像详情。

6）单击镜像的名称，进入镜像详情页，可以查看镜像版本/ID，状态，资源类型，镜像大小，SWR地址等。

7）还可在左侧菜单栏中选择**“镜像管理”**，查看镜像列表及详情，如下图所示：

2.上传训练代码

返回Notebook页面，在新建的ipynb中输入以下代码，完成代码上传至OBS桶中

mox.file.copy_parallel("./DINO/","obs://dino-coco/DINO")

如下图所示：

3.创建训练作业

1）在左侧菜单栏中选择**“训练管理 > 训练作业”**，点击右上角“创建训练作业”，如下图所示：

2）参数配置

创建方式：自定义算法

启动方式：自定义，选择已保存镜像

启动命令：

cd ${MA_JOB_DIR}/DINO && python main.py -c config/DINO/DINO_4scale.py --options dn_scalar=100 embed_init_tgt=TRUE dn_label_coef=1.0 dn_bbox_coef=1.0 use_ema=False dn_box_noise_scale=1.0

训练输入：选择OBS桶内上传代码路径

训练输出：选择创建的OBS桶，点击新建文件夹，创建一个文件夹，用于存放训练输出，如下图所示：

资源池：公干资源池

资源类型：GPU

规格： GPU: 1*NVIDIA-V100(32GB) | CPU: 8 核 64GB 3200GB

永久保存日志：开启，选择OBS桶，新建文件夹，用于存放训练日志，如下图所示：

事件通知：开启，可监控训练作业的事件的状态，可短信通知。

主题名：如不存在点击右侧“创建主题”。主题是消息发布或客户端订阅通知的特定事件类型。它作为发送消息和订阅通知的信道，为发布者和订阅者提供一个可以相互交流的通道。

事件：全部勾选

自动停止：可开启（训练时长大于1小时）

如下图所示：

3）参数设置完成之后，点击提交，确认训练信息，点击“确认”

跳转至训练作业列表，等待创建的训练作业，可点击训练作业名称，查看详细信息，系统日志，及资源占用情况，如下图所示：

4）在训练任务跑完之后，可在“代码目录”处在线编辑代码，保存之后，可再次进行训练模型，如下图所示：

4.训练输出

训练完成之后，可在配置的OBS训练输出路径查看训练结果

10月27日19：00-20：30直播讲解《git clone开启云上AI开发》，预约报名：https://bbs.huaweicloud.com/live/cloud_live/202210271900.html

点击关注，第一时间了解华为云新鲜技术~

标签：