“华为云ModelArts”的版本间的差异
跳到导航
跳到搜索
（→资费） |
（→调试） |
||
| （未显示同一用户的14个中间版本） | |||
| 第1行： | 第1行： | ||
| − | == | + | ==介绍（官网自己的简介）== |
| + | * ModelArts 是面向开发者的一站式 AI 开发平台，为机器学习与深度学习提供海量数据预处理及交互式智能标注、大规模分布式训练、自动化模型生成，及端-边-云模型按需部署能力，帮助用户快速创建和部署模型，管理全周期 AI 工作流。 | ||
| + | * [https://support.huaweicloud.com/wtsnew-modelarts/ 详细的使用手册] | ||
==使用流程== | ==使用流程== | ||
| + | * 1. 准备数据，把数据按照自己的目录结构，放在OBS的存储服务器上，OBS事实上就是一种网盘服务。 | ||
| + | * 2. 创建你的训练作业，即你需要先指定一个代码目录，他会自动执行“train.py”，你可以用argparse增加一些超参数，然后在创建的时候进行指定，也可以用一个json来配置。 | ||
| + | **在训练作业执行之前，你还需要指定一个OBS上的目录，这个目录有你全部的数据，他会自动把这个目录加载到计算服务器上的“/home/work/modelarts/inputs”目录下。 | ||
| + | **执行完的输出结果，他会自动扔到“/home/work/modelarts/outputs”目录下，然后自动传送到你在训练作业执行之前指定的OBS输出路径中。 | ||
| + | * 3. 训练作业有完整的执行日志，你可以检查你的bug，或者看你的运行结果。 | ||
| + | * 4. 如果有部署需要，你需要按照规则来编写一个“customize_service.py”推理代码。然后你就可以在ModelArts上部署模型，最后再部署服务。你可以理解成，你把一个没有答案的测试集扔进去，他就可以随时给你用你训练好的模型跑出来一份结果。 | ||
| + | **部署服务是要收费的，不过没有训练那么贵。 | ||
==调试== | ==调试== | ||
* ModelArts内置了Jupyter，可以在线上调试编写代码，但是不推荐，原因如下： | * ModelArts内置了Jupyter，可以在线上调试编写代码，但是不推荐，原因如下： | ||
| − | + | **1.使用jupyter调试也是要占用他的计算资源的，要钱，而且也是一小时28一块V100。调试需要大量时间，很浪费。 | |
| − | 1.使用jupyter调试也是要占用他的计算资源的，要钱，而且也是一小时28一块V100。调试需要大量时间，很浪费。 | + | **2.在线上调试也需要去考虑路径问题，需要把OBS的文件加载到计算服务器上，比较麻烦。当然，jupyter因为有文件夹管理，可以显式地看到你的文件夹目录，一次申请只需要载入一次，而且可以直接用命令行来操作，可以不需要在代码中加载，还是比较方便的。 |
| − | |||
| − | 2.在线上调试也需要去考虑路径问题，需要把OBS的文件加载到计算服务器上，比较麻烦。当然，jupyter因为有文件夹管理，可以显式地看到你的文件夹目录，一次申请只需要载入一次，而且可以直接用命令行来操作，可以不需要在代码中加载，还是比较方便的。 | ||
| − | |||
* 使用Jupyter的时机，应该是一切已经完成了，在你的本地已经可以跑起来了，但是在ModelArts训练作业中，遇到了一些ModelArts上的一些使用bug，而且你看执行日志还看不懂，所以就可以用Jupyter短暂地调试一下。为了省钱，调试的时候可以不使用GPU，用CPU就可以了，代码能跑起来就行。 | * 使用Jupyter的时机，应该是一切已经完成了，在你的本地已经可以跑起来了，但是在ModelArts训练作业中，遇到了一些ModelArts上的一些使用bug，而且你看执行日志还看不懂，所以就可以用Jupyter短暂地调试一下。为了省钱，调试的时候可以不使用GPU，用CPU就可以了，代码能跑起来就行。 | ||
| − | == | + | ==计算资源资费（2021年7月31日）== |
* GPU：V100；CPU：8核；内存：64GB，价格为28元/h | * GPU：V100；CPU：8核；内存：64GB，价格为28元/h | ||
* GPU：8块V100；CPU：72核；内存：512GB，价格为198元/h | * GPU：8块V100；CPU：72核；内存：512GB，价格为198元/h | ||
* GPU：无；CPU：2核；内存8GB，价格为0.8元/h | * GPU：无；CPU：2核；内存8GB，价格为0.8元/h | ||
* GPU：无；CPU：8核；内存32GB，价格为3.4元/h | * GPU：无；CPU：8核；内存32GB，价格为3.4元/h | ||
| + | |||
| + | ==OBS对象存储服务资源资费（2021年7月31日）== | ||
| + | * 都以华东-上海一的价格为准，在国外的服务器价格可能更贵。 | ||
| + | * 1TB，一年1161 | ||
| + | * 500GB，一年567 | ||
| + | * 100GB，一年117 | ||
| + | * 40GB，当前特价，一年9元 | ||
2021年7月31日 (六) 06:30的最新版本
介绍（官网自己的简介）
- ModelArts 是面向开发者的一站式 AI 开发平台，为机器学习与深度学习提供海量数据预处理及交互式智能标注、大规模分布式训练、自动化模型生成，及端-边-云模型按需部署能力，帮助用户快速创建和部署模型，管理全周期 AI 工作流。
- 详细的使用手册
使用流程
- 1. 准备数据，把数据按照自己的目录结构，放在OBS的存储服务器上，OBS事实上就是一种网盘服务。
- 2. 创建你的训练作业，即你需要先指定一个代码目录，他会自动执行“train.py”，你可以用argparse增加一些超参数，然后在创建的时候进行指定，也可以用一个json来配置。
- 在训练作业执行之前，你还需要指定一个OBS上的目录，这个目录有你全部的数据，他会自动把这个目录加载到计算服务器上的“/home/work/modelarts/inputs”目录下。
- 执行完的输出结果，他会自动扔到“/home/work/modelarts/outputs”目录下，然后自动传送到你在训练作业执行之前指定的OBS输出路径中。
- 3. 训练作业有完整的执行日志，你可以检查你的bug，或者看你的运行结果。
- 4. 如果有部署需要，你需要按照规则来编写一个“customize_service.py”推理代码。然后你就可以在ModelArts上部署模型，最后再部署服务。你可以理解成，你把一个没有答案的测试集扔进去，他就可以随时给你用你训练好的模型跑出来一份结果。
- 部署服务是要收费的，不过没有训练那么贵。
调试
- ModelArts内置了Jupyter，可以在线上调试编写代码，但是不推荐，原因如下：
- 1.使用jupyter调试也是要占用他的计算资源的，要钱，而且也是一小时28一块V100。调试需要大量时间，很浪费。
- 2.在线上调试也需要去考虑路径问题，需要把OBS的文件加载到计算服务器上，比较麻烦。当然，jupyter因为有文件夹管理，可以显式地看到你的文件夹目录，一次申请只需要载入一次，而且可以直接用命令行来操作，可以不需要在代码中加载，还是比较方便的。
- 使用Jupyter的时机，应该是一切已经完成了，在你的本地已经可以跑起来了，但是在ModelArts训练作业中，遇到了一些ModelArts上的一些使用bug，而且你看执行日志还看不懂，所以就可以用Jupyter短暂地调试一下。为了省钱，调试的时候可以不使用GPU，用CPU就可以了，代码能跑起来就行。
计算资源资费（2021年7月31日）
- GPU：V100；CPU：8核；内存：64GB，价格为28元/h
- GPU：8块V100；CPU：72核；内存：512GB，价格为198元/h
- GPU：无；CPU：2核；内存8GB，价格为0.8元/h
- GPU：无；CPU：8核；内存32GB，价格为3.4元/h
OBS对象存储服务资源资费（2021年7月31日）
- 都以华东-上海一的价格为准，在国外的服务器价格可能更贵。
- 1TB，一年1161
- 500GB，一年567
- 100GB，一年117
- 40GB，当前特价，一年9元