git clone开启云上AI开发( 二 ) _生活百科

import moxing as moxmox.file.copy_parallel({obs_path},{notebook_path})说明：
{obs_path}为OBS存储数据集的位置{notebook_path}为数据集在notebook中的存储路径

文章插图
3）下载DINO 模型 checkpoint “checkpoint0011_4scale.pth”，下载完成后，返回Notebook页面，在DINO页面，创建文件夹ckpts，用于存放下载的checkpoint 。

文章插图
进入文件夹，点击任务栏上方”上传“按钮，选择下载完成的checkpoint 路径，文件大小超过100MB，需选择OBS中转，等待数据上传完毕，如下图所示：

文章插图
3.运行代码
1）执行下面的命令,评估预训练模型,你可以期待得到最终的AP大约49.0 。
bash scripts/DINO_eval.sh /path/to/your/COCODIR /path/to/your/checkpoint说明：
/path/to/your/COCODIR 为Notebook数据集的存储路径/path/to/your/checkpoint 为Notebookcheckpoint存储路径
如下图所示：

文章插图
整个过程约等待13分钟左右，运行结果如下：

文章插图
2）推理及可视化
打开DINO目录下的inference_and_visualization.ipynb，选择Kernel Pytorch-1.8，如下图所示：

文章插图
修改代码：
...model_checkpoint_path = "ckpts/checkpoint0011_4scale.pth"# 修改checkpoint路径...args.coco_path = "../dataset"# 修改coco数据集路径运行代码查看推理结果。

文章插图
步骤二运行训练作业1.保存镜像
1）返回ModelArts管理控制台，在左侧菜单栏中选择**“开发环境 > Notebook”**，进入新版Notebook管理页面。在Notebook列表中，点击名称进入创建的Notebook详情页

文章插图
2）点击右侧“更多”，选择“保存镜像”

文章插图
3）在保存镜像对话框中，设置组织、镜像名称、镜像版本和描述信息。单击“确认”保存镜像。

文章插图
在“组织”下拉框中选择一个组织。如果没有组织，可以单击右侧的“立即创建” ，创建一个组织。创建组织的详细操作请参见创建组织。
同一个组织内的用户可以共享使用该组织内的所有镜像。
4）镜像会以快照的形式保存，保存过程约5分钟，请耐心等待。此时不可再操作实例（对于打开的JupyterLab界面和本地IDE 仍可操作）。
5）镜像保存成功后，实例状态变为**“运行中”**，用户可在“镜像管理”页面查看到该镜像详情。
6）单击镜像的名称，进入镜像详情页，可以查看镜像版本/ID，状态，资源类型，镜像大小，SWR地址等。
7）还可在左侧菜单栏中选择**“镜像管理”**，查看镜像列表及详情，如下图所示：

文章插图
2.上传训练代码
返回Notebook页面，在新建的ipynb中输入以下代码，完成代码上传至OBS桶中
mox.file.copy_parallel("./DINO/","obs://dino-coco/DINO")如下图所示：

文章插图
3.创建训练作业
1）在左侧菜单栏中选择**“训练管理 > 训练作业”**，点击右上角“创建训练作业” ，如下图所示：

文章插图
2）参数配置
创建方式：自定义算法
启动方式：自定义，选择已保存镜像
启动命令：
cd ${MA_JOB_DIR}/DINO && python main.py -c config/DINO/DINO_4scale.py --options dn_scalar=100 embed_init_tgt=TRUE dn_label_coef=1.0 dn_bbox_coef=1.0 use_ema=False dn_box_noise_scale=1.0训练输入：选择OBS桶内上传代码路径
训练输出：选择创建的OBS桶，点击新建文件夹，创建一个文件夹，用于存放训练输出，如下图所示：