すべてのプロダクト
Search

このプロダクト

    Platform For AI:NAS を使用した PyTorch 転移学習ジョブの送信

    ドキュメントセンター

    Platform For AI:NAS を使用した PyTorch 転移学習ジョブの送信

    最終更新日:Mar 11, 2026

    Data Science Workshop (DSW) と NAS ストレージを使用して、Deep Learning Containers (DLC) で PyTorch 転移学習ジョブを送信します。

    前提条件

    ターゲットリージョンに汎用型 NAS ファイルシステムを作成します。 詳細については、「コンソールを使用した汎用型 NAS ファイルシステムの作成」をご参照ください。

    制限事項

    このドキュメントの操作は、パブリックリソースグループの汎用コンピューティングリソースを使用するクラスターにのみ適用されます。

    データセットの作成

    1. [データセット] ページに移動します。

      1. PAI コンソールにログインします。

      2. 左側のナビゲーションウィンドウで、[ワークスペース] をクリックします。 [ワークスペース] ページで、管理するワークスペースの名前をクリックします。

      3. 左側のナビゲーションウィンドウで、[AI アセット管理] > [データセット] を選択します。

    2. 基本データセットを作成します。 [ストレージクラス] パラメーターを [汎用型 NAS] に設定します。

    DSW インスタンスの作成

    DSW インスタンスを作成し、次のパラメーターを設定します。 詳細については、「DSW インスタンスの作成」をご参照ください。image

    パラメーター

    説明

    [環境コンテキスト]

    [データセットマウント]

    「[カスタムデータセット]」をクリックし、前のセクションで作成した NAS データセットを選択して、「[マウントパス]」を /mnt/data/ に設定します。

    [作業ディレクトリ]

    Dataset-/mnt/data/ を選択します。

    [ネットワーク情報]

    [VPC 設定]

    不要です。

    データの準備

    公開されているトレーニングデータ (データのダウンロード) をダウンロードして解凍します。

    1. DSW インスタンスの開発環境に移動します。

      1. PAI コンソールにログインします。

      2. 左側のナビゲーションウィンドウで、[ワークスペース] をクリックします。 [ワークスペース] ページで、管理するワークスペースの名前をクリックします。

      3. ページの左上隅で、PAI を使用するリージョンを選択します。

      4. 左側のナビゲーションウィンドウで、[モデルトレーニング] > [Data Science Workshop (DSW)] を選択します。

      5. 任意: [Data Science Workshop (DSW)] ページで、検索ボックスに DSW インスタンスの名前またはキーワードを入力して、DSW インスタンスを検索します。

      6. インスタンスの [操作] 列にある [開く] をクリックします。

    2. DSW 開発環境の上部にあるメニューバーで、[ノートブック] をクリックします。

    3. データをダウンロードします。

      1. 左上のツールバーにある 创建文件夹 アイコンをクリックして、`pytorch_transfer_learning` という名前のフォルダを作成します。

      2. メニューバーで [ターミナル] をクリックしてターミナルを開きます。

      3. ターミナルで、作成したフォルダに移動し、データセットをダウンロードします。

        cd /mnt/workspace/pytorch_transfer_learning/
wget https://pai-public-data.oss-cn-beijing.aliyuncs.com/hol-pytorch-transfer-cv/data.tar.gz

        image

      4. データセットを解凍します。

        tar -xf ./data.tar.gz

      5. [ノートブック] タブに切り替え、`pytorch_transfer_learning` ディレクトリに移動し、解凍したデータフォルダ (`hymenoptera_data`) を右クリックして、[名前の変更] を選択します。 名前を input に変更します。

    トレーニングコードとモデルストレージの準備

    1. pytorch_transfer_learning フォルダにトレーニングコードをダウンロードします。

      cd /mnt/workspace/pytorch_transfer_learning/
wget https://pai-public-data.oss-cn-beijing.aliyuncs.com/hol-pytorch-transfer-cv/main.py

    2. トレーニング済みモデルを格納するための output フォルダを作成します。

      mkdir output

    3. フォルダに次のファイルが含まれていることを確認します：

      • input：トレーニングデータフォルダ。

      • main.py：トレーニングコード。

      • output：モデルストレージフォルダ。

      最终的文件夹内容

    ジョブの作成

    1. [ジョブの作成] ページに移動します。

      1. PAI コンソールにログインします。 ページの上部でターゲットリージョンとワークスペースを選択し、[Deep Learning Containers (DLC)] をクリックします。

      2. [Deep Learning Containers (DLC)] ページで、Create Job をクリックします。

    2. [ジョブの作成] ページで次のパラメーターを設定します。

      パラメーター

      説明

      基本情報

      ジョブ名

      ディープラーニングトレーニングジョブの名前です。

      環境コンテキスト

      ノードイメージ

      [Alibaba Cloud イメージ] を選択し、PyTorch イメージを選択します。 例： pytorch-training:1.12-gpu-py39-cu113-ubuntu20.04。

      データセット

      [カスタムデータセット] をクリックし、事前に作成した NAS データセットを選択します。

      起動コマンド

      次のコマンドを入力します：

      python /mnt/data/pytorch_transfer_learning/main.py -i /mnt/data/pytorch_transfer_learning/input -o /mnt/data/pytorch_transfer_learning/output

      サードパーティライブラリ設定

      [サードパーティライブラリリスト] を選択し、次のライブラリを入力します：

      numpy==1.16.4
absl-py==0.11.0

      コード設定

      不要です。

      リソース情報

      リソースソース

      [パブリックリソース] を選択します。

      フレームワーク

      [PyTorch] を選択します。

      ジョブリソース

      リソース仕様を選択します。 例： [リソース仕様] > [CPU] > [ecs.g6.xlarge] を選択し、[ノード数] を 1 に設定します。

    3. [OK] をクリックします。

    ジョブの詳細とログの表示

    1. [Deep Learning Containers (DLC)] ページでジョブ名をクリックします。

    2. ジョブの概要ページで [基本情報] と [リソース情報] を表示します。

    3. ページ下部の [インスタンス] セクションで、[操作] 列の [ログ] をクリックします。

      ログの例：image