人工智能平台 PAI：使用自定义组件

使用限制

仅支持在 Designer 中使用通用训练资源公共资源组运行自定义组件。

前提条件

已将执行代码上传到 OSS Bucket 路径，详情参见上传文件。本示例的执行代码示例为main.py和requirements.txt。

操作步骤

1. 创建 Pytorch 类型的自定义组件。

   进入新建组件页面，创建 Pytorch 类型的自定义组件，详细操作步骤与参数说明参见创建自定义组件，本示例的核心配置要点如下。

   • 执行配置

     参数	描述
     任务类型	选择 Pytorch。
     执行镜像	选择社区镜像：pytorch-training:1.12-cpu-py39-ubuntu20.04。
     执行代码	配置为代码入口文件（main.py、requirements.txt）所在的 OSS Bucket 路径。
     执行命令	配置为：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"。

   • 管道及参数配置各参数约束条件配置为：param1范围[1,10]，param2范围(0,1)，param3枚举test1/test2/test3，param5枚举1/2/4/8。

     参数	描述
     输入	单击配置两个输入管道： 输入名称分别配置为：train、test。 输入来源：OSS。 是否必填分别配置为：是、否。 描述分别配置为：训练数据、测试数据。
     输出	单击配置两个输出管道： 输出名称分别配置为：model、checkpoints。 存储类型：OSS。 是否必填：是。 描述分别配置为：模型数据、算法 checkpoints。
     参数	单击配置五个参数： 参数名称分别配置为：param1、param2、param3、param4、param5。 参数类型分别配置为：Int、Float、String、Bool、Int。 默认值分别配置为：6、0.3、test1、true、2。 约束条件配置：单击默认值后的约束，为每个参数配置约束条件。 是否必填分别配置为：是、是、是、否、否。

   • 训练约束

     参数	描述
     开启训练约束	打开开启训练约束开关。
     机器类型	选择 CPU 和 GPU。
     支持多机	选择支持。
     支持多卡	选择不支持。

2. 新建空白工作流并双击工作流名称进入工作流页面，详情参见创建工作流：空白工作流。

3. 本示例的组件名称为 component。将左侧自定义组件目录中的 component(1.0) 拖入画布，使用方式与 Designer 内置组件一致。右侧自动展示参数设置面板，显示已配置的参数及其可视化控件。

   组件创建后，Designer 的算法树中会展示当前工作空间的自定义组件。

   • 输入、输出通道会转换为 Designer 组件的输入和输出。拖入画布后，组件上方连接训练数据和测试数据两个输入节点，下方输出模型数据和算法 checkpoints 两个节点。

   • 参数会转换为 Designer 组件右侧面板的可视化控件：数值型参数（如 param1，范围 [1,10]）显示为带范围约束的输入框；枚举型参数（如 param3、param5）显示为下拉框；布尔型参数（如 param4）显示为复选框。面板下方还包含 model 和 checkpoints 的 OSS 路径输入框。

   • 每个输出通道对应一个 OSS 目录选择控件。例如 model（模型数据）和 checkpoints（算法 checkpoints）分别对应独立的 OSS 路径选择输入框。

   • 训练约束配置转换为 Designer 的执行调优配置。选中组件节点后，单击右侧执行调优 Tab，可配置资源组、机器实例类型（CPU 或 GPU）、机器数量及最大运行时长(秒)等参数。

如果组件不满足使用场景，您可以在组件列表页面更新配置或新增版本，详情参见管理自定义组件。