Jupyter本地调试和云端GPU运行

1.下载代码包到本地

请在代码编辑页点击"下载代码"按钮,将当前代码下载到本地

注:如果想下载赛题样例代码可以点击查看版本,并重新导入样例代码后执行下载操作:

2.启动 FlyAI 本地调试环境(Jupyter)

Windows客户端

  • 解压下载的样例代码包,并打开“flyai.exe“程序
  • 首次打开需要使用FlyAI账号登录
  • 登录成功后可以选择"使用jupyter调试"启动代码调试环境
  • 还可以选择"下载调试数据"查看调试数据

查看Windows客户端使用教程视频:

https://dataset.flyai.com/flyai_course-localdebugging.mp4

Windows 终端

  • 下载并解压代码包
  • 打开运行,输入 cmd ,打开终端
Win + R 输入 cmd 打开终端
  • 使用终端进入到项目的根目录下,如:
cd 代码包根目录
# 快捷方式:在终端输入"cd"后空格,直接将代码包文件拖拽到终端窗口中
  • 执行flyai脚本命令开启代码调试环境
flyai.exe ide

等待终端响应,会在本地自动调起浏览器进入Jupyter Notebook环境..

Mac/Linux系统终端

  • 下载并解压代码包
  • 使用终端进入到项目的根目录下,如:
cd 代码包根目录
# 快捷方式:在终端输入"cd"后空格,直接将代码包文件拖拽到终端窗口中
  • 授权flyai
chmod +x ./flyai
  • 执行flyai脚本命令开启代码调试环境
./flyai ide

等待终端响应,会在本地自动调起浏览器进入Jupyter Notebook环境..

3.体验样例代码的调试过程

1)在"使用jupyter调试.ipynb"文件中运行run main.py进行本地调试

2)将代码提交到云端使用GPU免费训练得出结果

提交成功后将会展示训练日志的链接地址,复制链接地址在浏览器中打开可实时查看训练过程

4.开始实现我的代码

1)首先详细阅读资料包中的 README.md 文件说明

  • app.yaml:是项目的配置文件,项目目录下必须存在这个文件,是项目运行的依赖。
  • processor.py:处理数据的输入输出文件,把通过csv文件返回的数据,处理成能让程序识别、训练的矩阵。

    可以自己定义输入输出的方法名,在app.yaml中声明即可。

  • main.py:程序入口,编写算法,训练模型的文件。在该文件中实现自己的算法。

  • model.py:训练好模型之后可以继承flyai.model.base包中的base重写下面三个方法实现模型的保存、验证和使用。
  • predict.py:对训练完成的模型使用和预测。
  • path.py:可以设置数据文件、模型文件的存放路径。
  • dataset.py:该文件在FlyAI开源库的flyai.dataset包中,通过next_train_batch()next_validation_batch()方法获得x_train y_train x_val y_val数据。

2)在 main.py 文件中开始实现代码,迭代模型准确率得分!

5.参赛指南

微信扫描上方二维码,加入大神圈学习成长!

微信扫描上方二维码,加入大神圈学习成长!

results matching ""

    No results matching ""