人工智能平台PAI问题之多机多卡如何解决

本文涉及的产品
交互式建模 PAI-DSW,5000CU*H 3个月
简介: 人工智能平台PAI是指阿里云提供的机器学习平台服务,支持建模、训练和部署机器学习模型;本合集将介绍机器学习PAI的功能和操作流程,以及在使用过程中遇到的问题和解决方案。

问题一:机器学习PAI用的还是deepfm模型, 多机多卡, mpi在多机上可以跑通,帮忙看下这个问题?


/usr/bin/mpirun -np 16

--map-by ppr:4:socket -bind-to socket

--hostfile ./hostfile

--allow-run-as-root

--tag-output

--report-bindings

--mca pml ob1

--mca btl ^openib

--mca btl_tcp_if_exclude lo,docker0,bond0

--wdir /home/deeprec

-x NCCL_IB_DISABLE=0

-x NCCL_IB_GID_INDEX=3

-x NCCL_IB_HCA=mlx5

-x NCCL_DEBUG=INFO

-x NCCL_IB_TIMEOUT=25

-x NCCL_IB_RETRY_CNT=7

-x NCCL_SOCKET_IFNAME=eth0

-x TF_GPU_CUPTI_FORCE_CONCURRENT_KERNEL=1

-x JAVA_HOME=/opt/jdk/jdk1.8

-x START_STATISTIC_STEP=100

-x LIBHDFS_OPTS=-Dhadoop.root.logger=WARN,console

-x STOP_STATISTIC_STEP=110

-x MEM_USAGE_STRATEGY=251

-x JEMALLOC_PATH=/home/deeprec

-x SEC_TOKEN_PATH=/home/deeprec/tokens_sectoken

-x TF_SCRIPT=train.py

-x YARN_APP_ID=application_1681844181995_4023507

-x TF_WORKSPACE=/home/deeprec

-x HADOOP_HDFS_HOME=/opt/yarn/hadoop

-x HADOOP_TOKEN_FILE_LOCATION=/home/deeprec/container_tokens

-x PYTHONPATH=/usr/lib/python3.8/site-packages/merlin_sok-1.1.4-py3.8-linux-x86_64.egg:

-x PATH=/opt/yarn/hadoop/bin:/usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/bin

-x APPLICATION_ID=application_1681844181995_4023507

-x LD_LIBRARY_PATH=/opt/jdk/jdk1.8/jre/lib/amd64/server:/opt/yarn/hadoop/lib/native:/opt/yarn/hadoop/lib/native python train.py

--output_dir=hdfs:///user/xxx/deeprec

--data_location=hdfs:///user/xxx/criteo_1tb

--protocol=grpc

--smartstaged=false

--batch_size=2048

--steps=30000

--ev=true

--ev_elimination=l2

--ev_filter=counter

--op_fusion=true

--input_layer_partitioner=0

--dense_layer_partitioner=16

--group_embedding=collective

--workqueue=true

--parquet_dataset=false

机器学习PAI用的还是deepfm模型, 上次跑通了单机多卡, 这次想试试, 多机多卡, 在上yarn调度. ssh都配好了, mpi在多机上可以跑通,帮忙看下这个问题?是在yarn上先拉起两个大容器, 每个容器基本占一台物理机(8卡A100), 然后在容器内打通ssh, 然后在容器内用mpi拉起deeprec进程


参考回答:

所以目前你们是MPI本地提交作业,物理机跑多机多卡能跑起来,用集群调度容器跑不起来,你试试在机器上看看get_physical_devices看看tf有没有正常识别GPU设备 SOK的相关Op目前都只实现了GPU的版本,但是我看Log显示进程只检测到CPU device;所以你要不进容器检查一下tf 的visible_devices


关于本问题的更多回答可点击原文查看:https://developer.aliyun.com/ask/506082?spm=5176.8068049.0.0.77566d1989YhJO


问题二:机器学习PAI为啥出来的结果是这样的呢,没有那种比较整齐的表格吗?



机器学习PAI为啥出来的结果是这样的呢,没有那种比较整齐的表格吗?


参考回答:

是个json,py返回的是dict,你可以自己格式化打印。 另外实验目录下有个json文件是格式化的应该


关于本问题的更多回答可点击原文查看:https://developer.aliyun.com/ask/506081?spm=5176.8068049.0.0.77566d1989YhJO


问题三:机器学习PAI怎么利用Yolox算法训练自己的数据集?


机器学习PAI怎么利用Yolox算法训练自己的数据集?为什么我一张卡 训练出来的map的值与其他的架构下的yolox算法(mmdetection)有很大的差距, 训练出来的模型识别效果也不好。前20epoch的map等指标都显示未0 ,有时候训练了300个epoch都可能指标值不超过0.1,有大佬解读一下你们使用yolox算法正常吗,你们的使用姿势是如何的? 是在这里下载预训练模型吗



参考回答:

我有遇到过,使用一下对应的预训练权重,这个问题会好一些。是的,然后config文件里面加一句load_from=link或者path


关于本问题的更多回答可点击原文查看:https://developer.aliyun.com/ask/506080?spm=5176.8068049.0.0.77566d1989YhJO


问题四:这个方法在机器学习PAI中读取mysql数据,报错这段代码是想把一个表的数据存到另一个表吗?"


"


这个方法读取mysql数据,报错


"


参考回答:

"CatclogSourceBatchOp缺了catalog,可以这样设 CatalogSourceBatchOp().setCatalogObject(catalogObject)


关于本问题的更多回答可点击原文查看:https://developer.aliyun.com/ask/505919?spm=5176.8068049.0.0.77566d1989YhJO


问题五:请问关于机器学习PAI、PAI-Designer、PAI-DSW、PAI-EAS中item2vec或者 item embedding的模型和服务在哪里?我要做物品(或者多模态的物品的表示)的表征和相似度检索


请问关于机器学习PAI、PAI-Designer、PAI-DSW、PAI-EAS中item2vec或者 item embedding的模型和服务在哪里?我要做物品(或者多模态的物品的表示)的表征和相似度检索


参考回答:

关于机器学习PAI、PAI-Designer、PAI-DSW、PAI-EAS中的item2vec或者item embedding的模型和服务,您可以通过以下步骤进行操作:

  1. 登录阿里云机器学习平台PAI控制台,进入“工作空间”页面。
  2. 在“工作空间”页面中,选择您的工作空间,并进入该工作空间的控制台。
  3. 在该工作空间的控制台中,您可以使用PAI-Designer或PAI-DSW等工具来构建和训练item2vec或item embedding模型,并使用PAI-EAS等工具来部署和管理您的模型服务。
  4. 在使用PAI-Designer或PAI-DSW构建模型时,您可以选择使用TensorFlow、PyTorch等深度学习框架,并使用PAI提供的数据处理、模型训练和模型评估等功能来完成模型构建和训练。
  5. 在使用PAI-EAS部署模型服务时,您可以选择使用TensorFlow Serving、MXNet Serving等模型服务框架,并使用PAI提供的模型部署、服务配置和监控等功能来完成模型服务的部署和管理。

关于物品的表征和相似度检索,您可以根据您的具体需求选择合适的算法和模型,并使用PAI提供的功能来完成模型构建、训练和部署。例如,您可以使用Word2Vec、GloVe等算法来构建物品的表征模型,并使用余弦相似度、欧几里得距离等方法来计算物品之间的相似度。


关于本问题的更多回答可点击原文查看:https://developer.aliyun.com/ask/505446?spm=5176.8068049.0.0.77566d1989YhJO

相关实践学习
使用PAI-EAS一键部署ChatGLM及LangChain应用
本场景中主要介绍如何使用模型在线服务(PAI-EAS)部署ChatGLM的AI-Web应用以及启动WebUI进行模型推理,并通过LangChain集成自己的业务数据。
机器学习概览及常见算法
机器学习(Machine Learning, ML)是人工智能的核心,专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能,它是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域。 本课程将带你入门机器学习,掌握机器学习的概念和常用的算法。
目录
相关文章
|
1月前
|
机器学习/深度学习 人工智能 算法
【AAAI 2024】再创佳绩!阿里云人工智能平台PAI多篇论文入选
阿里云人工智能平台PAI发表的多篇论文在AAAI-2024上正式亮相发表。AAAI是由国际人工智能促进协会主办的年会,是人工智能领域中历史最悠久、涵盖内容最广泛的国际顶级学术会议之一,也是中国计算机学会(CCF)推荐的A类国际学术会议。论文成果是阿里云与浙江大学、华南理工大学联合培养项目等共同研发,深耕以通用人工智能(AGI)为目标的一系列基础科学与工程问题,包括多模态理解模型、小样本类增量学习、深度表格学习和文档版面此次入选意味着阿里云人工智能平台PAI自研的深度学习算法达到了全球业界先进水平,获得了国际学者的认可,展现了阿里云人工智能技术创新在国际上的竞争力。
|
1月前
|
机器学习/深度学习 人工智能 自然语言处理
人工智能与机器学习:开启智能新时代的密钥
人工智能与机器学习:开启智能新时代的密钥
28 0
|
23天前
|
机器学习/深度学习 人工智能 运维
【人工智能技术专题】「入门到精通系列教程」打好AI基础带你进军人工智能领域的全流程技术体系(机器学习知识导论)(二)
【人工智能技术专题】「入门到精通系列教程」打好AI基础带你进军人工智能领域的全流程技术体系(机器学习知识导论)
53 1
|
23天前
|
机器学习/深度学习 人工智能 自然语言处理
【人工智能技术专题】「入门到精通系列教程」打好AI基础带你进军人工智能领域的全流程技术体系(机器学习知识导论)(一)
【人工智能技术专题】「入门到精通系列教程」打好AI基础带你进军人工智能领域的全流程技术体系(机器学习知识导论)
62 1
|
1月前
|
机器学习/深度学习 人工智能 自然语言处理
解密人工智能:探索机器学习奥秘
解密人工智能:探索机器学习奥秘
19 1
|
2月前
|
机器学习/深度学习 人工智能
人工智能平台PAI问题之维度不匹配如何解决
人工智能平台PAI是指阿里云提供的机器学习平台服务,支持建模、训练和部署机器学习模型;本合集将介绍机器学习PAI的功能和操作流程,以及在使用过程中遇到的问题和解决方案。
44 1
|
2月前
|
机器学习/深度学习 人工智能 分布式计算
人工智能平台PAI问题之loss为负数如何解决
人工智能平台PAI是指阿里云提供的机器学习平台服务,支持建模、训练和部署机器学习模型;本合集将介绍机器学习PAI的功能和操作流程,以及在使用过程中遇到的问题和解决方案。
44 1
|
2月前
|
机器学习/深度学习 存储 人工智能
人工智能平台PAI问题之cuda报错如何解决
人工智能平台PAI是指阿里云提供的机器学习平台服务,支持建模、训练和部署机器学习模型;本合集将介绍机器学习PAI的功能和操作流程,以及在使用过程中遇到的问题和解决方案。
41 1
|
1月前
|
机器学习/深度学习 存储 搜索推荐
利用机器学习算法改善电商推荐系统的效率
电商行业日益竞争激烈,提升用户体验成为关键。本文将探讨如何利用机器学习算法优化电商推荐系统,通过分析用户行为数据和商品信息,实现个性化推荐,从而提高推荐效率和准确性。
|
18天前
|
机器学习/深度学习 算法 搜索推荐
Machine Learning机器学习之决策树算法 Decision Tree(附Python代码)
Machine Learning机器学习之决策树算法 Decision Tree(附Python代码)