Modelleri eğitmek ve dağıtmak için Python için PAI SDK'yı yükleyin; çalışma alanı kimlik bilgilerini ve bölge ayarlarını yapılandırın.
Python için PAI SDK, model eğitimi ve dağıtımı amacıyla kullanılır; örnekleri başlatma ve durdurma, kota yönetimi veya çalışma alanı yönetimi gibi küme düzeyindeki kaynak yönetimini desteklemez. Bu kaynakları yönetmek için Alibaba Cloud Management Console'u kullanın.
Önkoşullar
Çalışma alanlarını oluşturup yönettiniz.
Konsol hızlı başlangıç kılavuzunu tamamladınız.
Python 3.8 veya sonraki bir sürüm yüklü.
-
RAM kullanıcılarının çalışma alanı ve Object Storage Service (OSS) paketleri üzerinde aşağıdaki izinlere sahip olması gerekir:
Eğitim işlerini göndermek için RAM kullanıcısına geliştirici veya yönetici rolü atayın. Daha fazla bilgi için bkz. Çalışma alanı üyelerini yönetme.
Kodları ve modelleri OSS paketlerinde depolamak için okuma ve yazma izinleri verin. Daha fazla bilgi için Machine Learning Designer'ı kullanmak için gereken izinleri verme konusundaki "RAM kullanıcınıza veya RAM rolünüze OSS'e erişim izni verme" bölümüne bakın.
Kurulum
Python için PAI SDK'yı yüklemek üzere aşağıdaki komutu çalıştırın:
pip install "alipai>=0.4.0"Yapılandırma
Yapılandırma sihirbazını başlatmak için aşağıdaki komutu çalıştırın:
# Run after SDK installation.
python -m pai.toolkit.configÖrnek yapılandırma:
$ python -m pai.toolkit.config
请输入您的阿里云账号AccessKeyId: LTAxxx
请输入您的阿里云账号AccessKeySecret: ********************************
当前配置的访问密钥和地域：
AccessKeyId: LTAIxxx
AccessKeySecret: nS0c********************PVLe
RegionId: cn-hangzhou
IdentityType: Account
云产品依赖检查：
AliyunODPSPAIDefaultRole Authorized
AliyunPAIAccessingOSSRole Authorized
AliyunPAIDLCAccessingOSSRole Authorized
AliyunPAIDLCDefaultRole Authorized
当前选择的工作空间信息：
WorkspaceName: xxx
WorkspaceId: xxx
Roles: PAI.WorkspaceOwner, PAI.WorkspaceAdmin
请配置使用的OSS Bucket
是否使用当前工作空间的默认OSS Bucket (oss://xxx) ? (y/nYapılandırma başarılı olduğunda şu mesaj görüntülenir: Configuration saved successfully: <Yapılandırmaların kaydedildiği yol>.
Yapılandırma parametreleri
Sihirbaz sizden aşağıdaki parametreleri belirtmenizi ister:
ParametreAçıklamaÖrnekworkspace_idPAI çalışma alanınızın ID'si. Bu bilgiyi PAI console üzerinde bulabilirsiniz.12345region_idÇalışma alanınızın veya Elastic Algorithm Service (EAS) hizmetinin dağıtıldığı Alibaba Cloud bölgesi. Çapraz bölge erişimi için gereklidir.us-southeast-1oss_bucket_nameKodların ve modellerin depolanması için kullanılan OSS paketinin adı.my-pai-bucket
Kullanılabilir bölgeler
Aşağıdaki tabloda region_id parametresi için desteklenen değerler listelenmiştir:
BölgeBölge ID'siChina (Hangzhou)cn-hangzhouChina (Shanghai)cn-shanghaiChina (Beijing)cn-beijingChina (Shenzhen)cn-shenzhenChina (Zhangjiakou)cn-zhangjiakouChina (Hong Kong)cn-hongkongSingaporeap-southeast-1Indonesia (Jakarta)ap-southeast-5US (Silicon Valley)us-west-1US (Virginia)us-east-1US (Atlanta)us-southeast-1Germany (Frankfurt)eu-central-1UK (London)eu-west-1Japan (Tokyo)ap-northeast-1
Çapraz bölge yapılandırması
EAS hizmetlerini çalışma alanınızdan farklı bir bölgede dağıtmak için oturumu programatik olarak yapılandırın:
from pai.session import Session
# Initialize session with US region
session = Session(
workspace_id="12345",
region_id="us-southeast-1", # EAS service deployed in US region
oss_bucket_name="my-pai-bucket"
)
# Deploy model to EAS service in us-southeast-1
from pai.model import Model
model = Model(
model_data="oss://my-pai-bucket/models/my_model/",
session=session
)
# Deploy with region-specific configuration
predictor = model.deploy(
service_name="my-service",
instance_type="ecs.g6.xlarge",
options={
"metadata.region": "us-southeast-1" # Explicit region specification
}
)Not: En iyi performans için OSS paketinizi ve EAS hizmetinizi aynı bölgede konumlandırın. Bölgeler arası veri aktarımı ek gecikme süresine ve maliyetlere neden olabilir.
Sonraki adımlar
Yapılandırmayı tamamladıktan sonra eğitim işleri göndermeye başlayabilirsiniz. Daha fazla bilgi için bkz. Eğitim işi gönderme.