Platform For AI:Gunakan komponen kustom

Batasan

Di PAI-Designer, Anda hanya dapat menjalankan komponen kustom pada kelompok sumber daya publik untuk pelatihan tujuan umum.

Prasyarat

Anda telah mengunggah kode eksekusi ke Bucket OSS. Untuk petunjuknya, lihat Upload files. Contoh ini menggunakan file kode sampel main.py dan requirements.txt.

Prosedur

1. Buat komponen kustom berbasis PyTorch.

   Buat komponen kustom berbasis PyTorch di halaman Create Component. Untuk langkah-langkah detail dan konfigurasi parameter tambahan, lihat Create a custom component. Konfigurasi utama untuk contoh ini adalah sebagai berikut.

   • Konfigurasi eksekusi

     Parameter	Description
     Job type	Pilih PyTorch.
     Image	Pilih Community Image pytorch-training:1.12-cpu-py39-ubuntu20.04.
     Execution code	Atur ke path Bucket OSS yang berisi file entrypoint Anda (main.py dan requirements.txt).
     Command	Atur ke: python main.py $PAI_USER_ARGS --train $PAI_INPUT_TRAIN --test $PAI_INPUT_TEST --model $PAI_OUTPUT_MODEL --checkpoints $PAI_OUTPUT_CHECKPOINTS && echo "job finished".

   • Konfigurasikan alur kerja dan batasan parameter berikut: rentang untuk param1 adalah [1,10], rentang untuk param2 adalah (0,1), nilai enumerasi untuk param3 adalah test1/test2/test3, dan nilai enumerasi untuk param5 adalah 1/2/4/8.

     Parameter	Description
     Input	Klik untuk mengonfigurasi dua alur input: Atur Input name masing-masing menjadi train dan test. Atur Input source ke OSS. Atur Required masing-masing menjadi Yes dan No. Atur Description masing-masing menjadi training data dan test data.
     Output	Klik untuk mengonfigurasi dua alur output: Atur Output Name masing-masing menjadi model dan checkpoints. Atur Storage ke OSS. Atur Required ke Yes. Atur Description masing-masing menjadi model data dan algorithm checkpoints.
     Arguments	Klik untuk mengonfigurasi lima parameter: Atur Parameter Name masing-masing menjadi param1, param2, param3, param4, dan param5. Atur Type masing-masing menjadi Int, Float, String, Bool, dan Int. Atur Default Value masing-masing menjadi 6, 0.3, test1, true, dan 2. Constraint configuration: Klik Constraints di sebelah nilai default untuk mengonfigurasi batasan setiap parameter. Atur Required masing-masing menjadi Yes, Yes, Yes, No, dan No.

   • Batasan pelatihan

     Parameter	Description
     Enable training constraints	Nyalakan sakelar Enable Training Constraints.
     Instance type	Pilih CPU dan GPU.
     Support multiple instances	Pilih Supported.
     Support multiple GPUs	Pilih Not Supported.

2. Buat alur kerja kosong dan klik ganda namanya untuk membuka halaman alur kerja. Untuk detailnya, lihat Create a workflow: Blank workflow.

3. Komponen dalam contoh ini bernama component. Anda dapat menggunakannya seperti komponen algoritma bawaan PAI-Designer apa pun. Seret component(1.0) dari direktori Custom Components dalam daftar komponen ke kanvas. Panel Parameter Settings komponen akan terbuka di sebelah kanan, menampilkan parameter yang telah dikonfigurasi beserta kontrol visualnya.

   Setelah dibuat, komponen kustom tersebut akan muncul di pohon algoritma untuk ruang kerja saat ini di PAI-Designer.

   • PAI-Designer mengonversi alur input dan output komponen kustom menjadi port input dan output-nya. Setelah Anda menyeretnya ke kanvas, komponen tersebut menampilkan port input untuk training data dan test data di bagian atas, serta port output untuk model data dan algorithm checkpoints di bagian bawah.

   • PAI-Designer mengonversi parameter komponen kustom menjadi kontrol visual di panel pengaturan parameter di sebelah kanan. Parameter integer, seperti param1 (rentang [1,10], nilai default 6), ditampilkan sebagai kotak input dengan batasan rentang. Parameter floating-point, seperti param2 (rentang (0,1), nilai default 0.3), berperilaku serupa. Parameter enumerasi, seperti param3 dan param5, menjadi daftar drop-down. Parameter boolean, seperti param4, ditampilkan sebagai kotak centang. Panel ini juga mencakup input opsional untuk path OSS bagi data model dan checkpoints, serta status otorisasi Peran RAM OSS.

   • Setiap alur output sesuai dengan kontrol pemilihan direktori OSS untuk menentukan path output. Misalnya, alur output model (model data) dan checkpoints (algorithm checkpoints) masing-masing memiliki kotak input path OSS khusus di bagian konfigurasi output pada panel parameter komponen.

   • PAI-Designer mengonversi batasan pelatihan komponen kustom menjadi pengaturan penyetelan eksekusi. Setelah memilih node komponen kustom di kanvas, klik tab Tuning di panel properti di sebelah kanan. Anda kemudian dapat mengonfigurasi parameter eksekusi seperti resource group (misalnya, kelompok sumber daya publik), instance type (CPU atau GPU), number of instances, dan maximum runtime (seconds).

Jika komponen kustom tidak lagi sesuai dengan kebutuhan Anda, Anda dapat memperbarui konfigurasinya atau menambahkan versi baru dari halaman daftar komponen. Untuk informasi lebih lanjut, lihat Manage custom components.