【TI-ONE系列教程（三）】如何使用 TI-ONE 平台内置框架玩转算法大赛
以下文章来源于腾讯智能钛AI开发者 ，作者智能钛
2020腾讯广告算法大赛已启动
智能钛 TI-ONE 作为本次大赛
官方唯一指定的机器学习平台
将在比赛全流程中为参赛选手
提供机器学习平台及计算资源支持
为方便选手快速上手使用平台
TI-ONE 特准备了大赛专用教程
本篇文章将告诉大家
如何使用 TI-ONE 平台内置框架
玩转算法大赛
----------以下为正文内容----------
在这篇文章中，我们用一个测试案例向您介绍 TI-ONE 内置框架的使用流程。以下内容和数据路径均为示例，仅演示流程，并非比赛官方数据。
智能钛平台的框架版本如下：
深度学习框架：
- TensorFlow：1.12
- PyTorch：1.1.0
- PyCaffe：1.0.0-rc3-ssd
机器学习框架：
- Spark：2.4
- PySpark：2.4
- Analytics Zoo：0.7.0
一、新建工程与任务流
1.新建工程
登陆 TI-ONE 控制台，将平台地域切换为上海。
在工程列表页面，单击【我的工程】>【新建工程】。
根据提示填写工程信息，在下拉列表处选择 Bucket 名称，该工程里的训练数据、中间结果等内容将存入此 Bucket。注意COS Bucket 所需地域应为上海。
2.新建任务流
在工程中单击“+”号，您可新建自定义任务流。创建完成后点击进入画布。
二、获取数据路径
1.进入画布后，将【输入】-【公共数据集】-【算法大赛数据集】拖入画布，该数据集包括训练集和测试集。
2.点击该组件，在右侧弹框中我们可以看到数据路径。建议您对该路径进行拷贝及存储，后续您需要通过入参形式进行数据导入。
注意：只有在各框架参数的【程序参数】栏目里才可以使用 a i d a t a s e t l i b 和 {ai_dataset_lib}和 aidatasetlib和{cos}此类标识符，因此您需要将数据集的输入和输出路径通过【程序参数】传递，而不能在脚本中直接导入。
在本案例中，路径如下：
训练集路径：
${ai_dataset_lib}/contest/demo/iris_training.csv
测试集路径：
${ai_dataset_lib}/contest/demo/iris_test.csv
三、模型训练
1.选择框架
您可以在左侧算法栏中选择合适的框架。找到该框架拖入画布中，框架会与数据集自动连线，过程中任何连线或框架选择有误都可以通过【右键删除】。在本案例中，我们选择【TensorFlow】框架进行模型训练。
注意：使用框架训练需要通过入参的方式接入数据集，故在此处连线仅表示算子运行的前后顺序，不代表数据流向。您可以将数据集与框架相连进行训练，也可以在记录下数据集路径后将数据集组件删除，只拉取框架进行训练。
2.配置算法参数
点击该框架，在右侧弹窗中配置组件参数和资源参数，请您根据实际数据集情况进行填写。如果您使用内置框架，输出的结果文件需要与大赛要求的结果文件格式一致。
本案例参数配置如下。
程序脚本：点击此处上传您的自定义代码。您可以【直接上传】本地文件，或选择【新建脚本】，在线编辑并上传。
依赖包文件：如果入口脚本需要 import 项目中的其它自己编写的模块，需要将其它模块的代码上传至此。多个.py文件需要直接压缩成 zip 包上传，该 zip 包会被添加到 Python 的 path 中。需要注意，文件格式需要是.zip格式，通过tar压缩的格式不属于其类。
程序参数：
- 此处填入用户自定义参数，自定义参数将会传递给入口 py 文件。您需要将数据集的输入和输出路径通过此处传递，注意只有在程序参数里才可以使用 a i d a t a s e t l i b 和 {ai_dataset_lib}和 aidatasetlib和{cos}此类标识符，其中${cos}代表任务流所在的COS存储桶的根目录。
- 输入路径：训练集和测试集路径我们已通过【算法大赛数据集】获取。
- 输出路径：由用户自己指定。您可以在自己的 COS
存储桶中新建文件夹如【contest_result】，模型将会存储至该路径中，以便后续导入模型时查找。 - 本案例中，各类程序参数填写如下：
–train_path ${ai_dataset_lib}/contest/demo/iris_training.csv
–test_path ${ai_dataset_lib}/contest/demo/iris_test.csv
–result_dir ${cos}/contest_result - TensorBoard 目录：指定 Tensorboard 保存路径。本案例此处无需填写。
- 程序依赖：指定存储于cos上的依赖文件的路径，指定内容将被拷贝到程序脚本同一级目录下。本案例此处无需填写。
- Python版本：选择您需要的版本。本案例选择 3.5。
- 资源类型：您可以按需选择。本案例选择 TI.MEDIUM4.2core4g。
四、运行工作流
配置完成后，单击画布上方【保存】可保存工作流，点击【运行】可运行工作流。
五、结果上传
训练完成后，您可以通过以下步骤进行结果文件的获取和上传。
1.结果文件路径
在框架参数的编写过程中，您已经指定了结果的储存路径，您可直接进入 COS 存储桶进行查找。本案例中，我们指定【contest_result】为存储路径。在COS 存储桶的文件列表中找到该文件夹，点击即可获取您的训练结果文件。
2.获取结果地址
您可以自行下载文件，点击【详情】，即可在详情页面获取【对象地址】。后续您可以在官网进行结果上传。
至此，我们完成了使用 TI-ONE 内置框架训练模型的流程。
了解更多 TI-ONE 平台资讯，
请扫码关注【腾讯智能钛AI开发者】（ID:TI-ML-AI）
扫码加入大赛官方QQ群
或搜索群号：1094257162
和小伙伴一起解锁更多内容
扫描下方二维码
加入知识星球一起玩吧！
点击下方链接，立即报名参赛
官方报名入口：2020腾讯广告算法大赛