快速开始

用 OpenBayes 执行第一个机器学习任务

最后更新于

这里介绍通过 OpenBayes 快速创建第一个算力容器执行机器学习的训练任务。

注册用户

首先,请登录 openbayes.com/console 注册 OpenBayes。

目前处于内测阶段,请使用获取的邀请码进行用户注册,如果没有邀请码,请填写表格进行在线申请,或联系我们进行索取。

成功注册后看到界面如下:

其中 算力容器 为我们目前的主要服务,提供了包含 脚本上传Jupyter Notebook 两种算力使用方式。

  • 脚本上传 是指将制定代码上传和执行,适合运行时间比较长的模型训练
  • Jupyter Notebook 则是交互式编程环境,方便早期模型的尝试

数据集管理 负责管理用户用于模型训练的数据集。

下载代码

从 Github 下载样例代码:

git clone https://github.com/signcl/openbayes-mnist-example.git

切换到所下载代码目录看到代码结构如下:

.
├── code.zip
├── inference.py
├── input
│   └── mnist.npz
└── train.py

1 directory, 4 files

其中 code.zip 是将目录中 .py 文件和 input 目录通过 zip 打包所获得的。

创建第一个 BayesGear 执行 python 脚本

openbayes.com/console 点击 “我的算力容器” 后,在右侧界面点击 “创建新容器” 创建一个新的算力容器。

  • 容器名称输入 mnist
  • 绑定数据保持为空
  • 算力选择为 CPU
  • 镜像选择 tensorflow-1.11
  • 接入方式保持默认的 Python 脚本
  • 将刚才所下载的目录中的 code.zip 上传
  • 执行命令输入 python train.py -i $PWD/input -e 10 -m model.h5 -o .
  • 点击提交

系统会根据提交的内容创建一个 BayesGear,需要 1 - 2 分钟的时间。任务开始执行后会展示日志信息:

执行完毕后在 BayesGear 的「输出」页面可以看到我们所生成的模型: