机器学习PAI easyrec在odps做训练，第一次训练4000steps，这个是为什么？
机器学习PAI easyrec在odps做训练，第一次训练4000steps，之后提高steps数做继续训练的时候，发现evaluator的那个worker只评估到4000就结束了，但是训练的worker还在继续跑，这个是为什么？
写回答
-
这个问题可能是由于EasyRec的训练过程设计导致的。EasyRec的训练过程分为两个阶段：初始化阶段和优化阶段。在初始化阶段，模型会进行前4000步的训练，然后进入优化阶段，继续进行更多的训练。
然而，Evaluator的工作是在每个epoch结束时进行的，也就是在每个优化阶段的末尾。因此，如果我们在优化阶段开始时停止了Evaluator，那么它只会评估到初始化阶段结束的地方，也就是4000步。
解决这个问题的方法是在每个epoch结束时重新启动Evaluator，或者在每个epoch开始时停止旧的Evaluator并启动新的Evaluator。具体的实现方式取决于你的具体需求和使用的环境。
2023-10-30 11:43:03赞同 展开评论 打赏 -
如果在同一目录跑的话，会生成一个标识结束的文件：ESTIMATOR_TRAIN_DONE ，如果存在就会退出，现在需要你先手动删除一下。这个后续我们看一下是不是可以在代码改成自动删除来修复一下这个问题。，此回答整理自钉群“【EasyRec】推荐算法交流群”
2023-10-30 08:04:12赞同 展开评论 打赏
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
人工智能平台 PAI（Platform for AI，原机器学习平台PAI）是面向开发者和企业的机器学习/深度学习工程平台，提供包含数据标注、模型构建、模型训练、模型部署、推理优化在内的AI开发全链路服务，内置140+种优化算法，具备丰富的行业场景插件，为用户提供低门槛、高性能的云原生AI工程化能力。
