机器学习PAI每次训练都要新建一个目录吗？

在使用机器学习PAI进行训练时，并不需要每次都新建一个目录。您可以在一个固定的目录下进行多次训练，但需要注意的是，每次训练的结果会对应一个新的子目录。例如，当您第一次训练一个模型时，结果将会被保存在指定的主目录下的一个以日期为名称的子目录中。而当您再次进行训练时，即使使用了相同的配置和数据，结果也会被保存在另一个以新的日期为名称的子目录中。这种方式有助于有效地管理和组织训练结果

试一下这个参数：https://github.com/alibaba/EasyRec/blob/master/pai_jobs/run.py#L174

写在 Dextra_params= 后面，此回答整理自钉群“【EasyRec】推荐算法交流群”

在机器学习 PAI 中，每次训练都不一定需要新建一个目录。通常情况下，您可以选择将训练相关的文件和资源保存在同一个目录中，以便于管理和追溯。

以下是一些常见的做法：

1. 创建一个独立的项目目录：在开始训练之前，您可以为每个机器学习项目创建一个独立的目录。这个目录可以包含数据集、代码文件、模型配置和训练日志等。这样可以使项目文件更加整洁和有组织。

2. 使用时间戳或版本号：如果您希望跟踪不同训练过程的结果，可以将时间戳或版本号作为目录名的一部分。例如，每次训练时根据当前时间创建一个新的目录，或者使用自定义的版本号标识每个训练实验。

3. 利用参数化路径：在 PAI 平台上，您可以通过指定参数化的目录路径来动态创建和管理训练目录。例如，使用命令行参数、脚本变量或配置文件配置训练目录的路径，以便每次训练时自动创建一个新的目录。

在机器学习PAI中，每次训练都需要新建一个目录。如果之前有训练记录的话，模型会加载起来继续训练，而不会覆盖之前的训练记录。需要重新开始训练，可以通过清空目录的方式来进行。
具体操作是在命令行中输入

pai clear

来清空当前目录中的所有数据和配置文件，然后重新运行训练脚本即可。
在已有的训练记录上进行restart，您可以使用以下命令来恢复之前的训练状态：

pai restore -project algo_public -name <modelName> -config <configPath> -d <input_dir> -d <output_dir> -s <model_checkpoint>

modelName是模型名称，configPath是配置文件路径，input_dir和output_dir是训练数据和模型输出的路径，model_checkpoint是之前训练的模型保存路径。

---来自人工智能平台 PAI使用EasyRec构建推荐模型