DSW 互動式建模快速入門 - Platform For AI

通過 DSW（Data Science Workshop）的內建 Notebook 或 VSCode，在雲端開發、訓練並部署深度學習模型。本文以 MNIST 手寫數字識別為例，示範完整流程。

說明

MNIST 手寫數字識別是深度學習經典入門任務，目標是訓練模型識別 10 個手寫數字（0～9）。

一. 前提條件

主帳號已開通 PAI 並建立工作空間。如尚未開通，訪問PAI 控制台，在頁面左上方選擇目標地區，完成一鍵授權和產品開通。

二. 計費說明

本文使用公用資源群組建立 DSW 執行個體和 EAS 模型服務，隨用隨付。計費詳情參見DSW 計費說明和EAS 計費說明。

三. 建立 DSW 執行個體

進入 DSW 頁面。
1. 訪問PAI 控制台。
2. 在頁面左上方選擇目標地區。
3. 在左側導覽列單擊工作空间列表，進入目標工作空間。
4. 在左側導覽列選擇模型开发与训练 > 交互式建模（DSW） > 新建实例。
在配置实例嚮導頁面配置以下參數，其他保持預設。
- 资源类型：選擇公共资源（隨用隨付）。
- 资源规格：選擇ecs.gn7i-c8g1.2xlarge。
  該規格庫存不足時，可選擇其他 GPU 執行個體。
- 镜像配置：選擇官方镜像，搜尋鏡像modelscope:1.26.0-pytorch2.6.0-gpu-py311-cu124-ubuntu22.04。
  建議使用相同鏡像以避免環境相容問題。
- 存储挂载：持久化儲存模型開發檔案。本文使用Object Storage Service。單擊 OSS，單擊表徵圖，選擇 Bucket 並建立目錄（例如pai_test）。
  如果當前地區沒有可用 Bucket，參考以下步驟建立：
  （可選）建立 OSS Bucket
  1. 開通OSS服務。
  2. 訪問OSS 控制台，單擊建立 Bucket，填寫 Bucket 名稱，地區選擇與 PAI 相同的地區，其他參數保持預設，單擊完成建立。
  - Uri：oss://**********oss-cn-hangzhou-internal.aliyuncs.com/pai_test/
  - 挂载路径：/mnt/data/
單擊确定建立執行個體。
執行個體啟動失敗時，參見建立DSW執行個體排查。

四. 在 DSW 中開發模型

在執行個體列表單擊打开，進入 DSW 開發環境。在啟動台單擊建立 Notebook。
編寫模型代碼。本文已提供 MNIST 訓練代碼：下載mnist.ipynb，然後在 DSW 左上方單擊表徵圖上傳檔案。
訓練模型。開啟mnist.ipynb，找到訓練代碼儲存格，單擊執行。代碼將自動下載 MNIST 資料集到dataSet目錄，並將訓練後的模型儲存至output目錄。訓練約需 10 分鐘。
訓練過程輸出模型在驗證集上的準確率（反映泛化能力）。本次訓練驗證集準確率為 98%，可進入後續步驟。
查看訓練曲線。執行以下儲存格，單擊 TensorBoard 地址http://localhost:6006/。
TensorBoard 顯示 train_loss（訓練集損失）和 validation_loss（驗證集損失）曲線。
查看完曲線後，單擊儲存格的表徵圖停止 TensorBoard。未停止 TensorBoard 將導致後續儲存格無法執行。
（可選）根據 loss 曲線調整超參數
根據損失值變化趨勢判斷訓練效果：
- 訓練結束前 train_loss 和 validation_loss 仍在下降（欠擬合）
  增加 num_epochs（訓練輪次）或提高 learning_rate（學習率），增強模型擬合能力。
- 訓練結束前 train_loss 持續下降但 validation_loss 上升（過擬合）
  減少 num_epochs 或降低 learning_rate，避免過度學習。
- 訓練結束前 train_loss 和 validation_loss 均趨於平穩（良好擬合）
  模型達到理想狀態，可進入後續步驟。
測試模型效果。執行以下儲存格，展示 20 張測試圖片及其真實標籤（label）和模型預測結果（predict）。
樣本輸出：
持久化模型檔案。本文使用公用資源群組建立 DSW 執行個體，檔案儲存體在免費雲端硬碟中。執行個體停機超過 15 天后，雲端硬碟內容將被自動清空。將模型檔案拷貝至 OSS，以便後續使用 PAI-EAS 部署。
訪問OSS 控制台查看已拷貝的檔案：

模型開發完成後，可將模型部署為線上服務，參見五. 使用 EAS 部署模型服務。

重要

本文使用公用資源建立 DSW 執行個體，隨用隨付。不使用時請在執行個體列表頁面右側，停止或刪除執行個體，避免持續計費。

五. 使用 EAS 部署模型服務

模型訓練完成後，可以通過EAS（Elastic Algorithm Service）快速部署為線上推理服務或AI-Web應用。EAS支援異構資源，結合自動擴縮容、一鍵壓測、灰階發布、即時監控等能力，以更低成本保障高並發情境下的服務穩定性與商務持續性。

編寫模型 Web 介面並拷貝至 OSS。本文提供了 Web 介面代碼和拷貝命令，執行以下儲存格即可。
（可選）在 DSW 中驗證 Web 介面。執行以下儲存格安裝依賴並啟動服務。
測試介面。在頁面上方單擊 WebIDE，左側單擊request_web.py，單擊執行代碼。
返回結果：
```
{"prediction": 7}
```
說明
通過公網訪問 DSW 中的 Web 服務需配置 VPC、NAT Gateway和 EIP，詳情參見通過公網訪問執行個體中的服務。
建立 EAS 服務。在 PAI 控制台左側導覽列單擊模型在线服务（EAS） > 部署服务 > 自定义部署。
配置以下參數，其他保持預設：
- 部署方式：镜像部署
- 镜像配置：選擇镜像地址，粘貼 DSW 使用的鏡像地址。
  DSW 已驗證該鏡像可正常運行模型代碼，部署時使用相同鏡像可避免環境問題。
- 存储挂载：模型檔案和 Web 介面代碼已拷貝至 OSS。單擊 OSS，選擇對應路徑。
  - Uri：oss://*****/pai_test/
  - 挂载路径：/mnt/data/
- 运行命令：web.py已掛載至/mnt/data/，需調整路徑。運行命令為：python /mnt/data/web.py
- 端口号：填寫web.py使用的連接埠號碼9000。
- 三方库配置：所選鏡像缺少 bottle 庫，在此處添加 bottle。
- 资源类型：選擇公共资源，资源规格選擇ecs.gn7i-c8g1.2xlarge。
- 配置系统盘：設定為 20GB。
  鏡像體積較大，系統硬碟空間不足時會導致執行個體啟動失敗，建議設定為 20 GB 或以上。
單擊部署建立服務。建立約需 5 分鐘，狀態變為运行中時代表部署成功。
擷取調用資訊。在服務詳情頁單擊查看调用信息，擷取公网调用地址和Token。

調用服務。將以下代碼中的公网调用地址和Token替換為實際值，然後執行代碼。

import requests

"""
測試圖片url：
label為7
http://aliyun-document-review.oss-cn-beijing.aliyuncs.com/dsw_files/mnist_label_7_No_0.jpg
label為2
http://aliyun-document-review.oss-cn-beijing.aliyuncs.com/dsw_files/mnist_label_2_No_1.jpg
label為1
http://aliyun-document-review.oss-cn-beijing.aliyuncs.com/dsw_files/mnist_label_1_No_2.jpg
label為0
http://aliyun-document-review.oss-cn-beijing.aliyuncs.com/dsw_files/mnist_label_0_No_3.jpg
label為4
http://aliyun-document-review.oss-cn-beijing.aliyuncs.com/dsw_files/mnist_label_4_No_4.jpg
label為5
http://aliyun-document-review.oss-cn-beijing.aliyuncs.com/dsw_files/mnist_label_9_No_5.jpg
"""

image_url = 'http://aliyun-document-review.oss-cn-beijing.aliyuncs.com/dsw_files/mnist_label_7_No_0.jpg'

# 由用戶端下載圖片，得到位元據
img_response = requests.get(image_url, timeout=10)
# 根據狀態代碼自動檢測請求是否成功
img_response.raise_for_status()
img_bytes = img_response.content

# header資訊 <EAS_TOKEN>需替換為實際的Token
# 實際生產中建議您將Token設定為環境變數，防止敏感資訊洩漏
# 環境變數配置方法請參見：https://www.alibabacloud.com/help/zh/sdk/developer-reference/configure-the-alibaba-cloud-accesskey-environment-variable-on-linux-macos-and-windows-systems
headers = {"Authorization": "Token"}
# 把位元據作為POST請求的body，發送到模型服務
resp = requests.post('調用地址/predict_image', data=img_bytes, headers=headers)
print(resp.json())

返回結果：

{"prediction": 7}

重要

本文使用公用資源建立 EAS 服務，隨用隨付。不使用時請在服務列表頁面右側，停止或刪除服務，避免持續計費。

六. 相關文檔

DSW 啟動失敗排查參見建立DSW執行個體。
DSW 計費說明參見互動式建模（DSW）計費說明。
DSW 核心功能參見DSW概述。
在公網訪問 DSW Web 服務參見通過公網訪問執行個體中的服務。
EAS 核心功能參見EAS概述。