经验啦

  1. 首页 > 科技 > >

惠普|惠普最新推出的AI开发平台测评：多用户协同开发模型和算力资源管理的有力工具！( 八 )

GPU惠普删除数据科学


沈涛：我以公共镜像为基础制作了私有镜像 。 具体来说 ， 我先申请了基于基础镜像的命令行的交互任务 ， 并在任务中安装了我所需的工作环境 ， 并将环境保存为新的私有镜像 ， 后续可以直接使用 。 整个使用过程比较顺畅 ， 没有出现问题 。
Q3：HP AI 开发平台提供的是 Web 端 GUI 交互界面 ， 基于你的使用感受 ， 你认为是否能够降低普通开发者的使用门槛和难度？
沈涛：上述Q2中的私有镜像保存操作就是在 GUI 交互界面完成的 ， 这一点就比较方便 ， 对于普通开发者 ， 省去了 Docker 命令行操作 ， 降低了使用门槛 。 同时 ， 整个计算资源利用率的实时展示 ， 任务的申请 ， 都可以通过比较简单地交互可以完成 ， 整体上便捷一些 。
Q4：对比公有云、数据中心和本地 PC， 你觉得通过工作站进行模型训练的优势有哪些？
沈涛：相比于公有云 ， 数据中心 ， 使用工作站进行模型训练会在使用上更加便捷 ， 数据模型都在工作站本地 ， 减少了来回传输的过程 ， 使用上也会更加稳定 。 相比于本地 PC， 工作站的计算性能会更强 ， 散热会更好 ， 能支持长时间的高负荷工作 。
Q5：对于中小型 AI 开发团队来说 ， 工作站+ HP AI 开发平台的算力提供和管理方式是否是一个不错的选择？
沈涛：对于非大规模 AI 模型（需要大规模分布式训练）的开发 ， 该方式已经能够满足正常开发需求 。
3、实验二：基于基于数据集 STS-B 的自然语言文本分类
3.1、实验说明
该部分实验由 Kaggle Grandmaster 吴远皓完成 。
本次实验通过经典的自然语言文本分类数据集 STS-B 来体验 HP AI 开发平台 。
STS-B 数据集包含8628个英语句子对 ， 其中训练集5749条 ， 验证集1500条 ， 测试集1379条 ， 数据集文本来源于报纸、论坛和图片题注 。 该数据集也是 The General Language Understanding Evaluation (GLUE)benchmark 的一个子任务 。

图表 2.3.1实验目的是模型需要给出两个句子的相似性度量 ， 任务的评价指标是 Pearson 相关系数 。
3.2 、实验流程
3.2.1、环境配置
登录 HP AI 开发平台 ， 在“模型训练”-“交互式开发”中 ， 创建 Terminal 类型的开发环境 ， 同时可以直接在“公共镜像”中选择我们需要的环境 。 其实际使用体验相当于一台远程服务器或本地 Docker 。

图表 2.3.2创建成功后 ， 会显示正在运行的应用 。 此时可以用过命令“ ssh -p 25457 root@192.168.88.80 ”远程连接进行创建好的环境 。

图表 2.3.3此时可以用过命令“ ssh -p 25457 root@192.168.88.80 ”远程连接进行创建好的环境 。

图表 2.3.43.2.2、实验运行

3.3 、实验结果
本次实验选用常用预训练模型工具包 Transformers， 选择的模型为谷歌开发的小型 BERT 模型 google/bert_uncased_L-2_H-128_A-2。 该模型隐层维度128 ， 注意力头数量为2 ， Transformer 层数也为2 ， 模型大小只有不到17Mb， 是个精简的小模型 。 单从实验结果可以看出 ， 模型在 STS-B 数据集上也取得了不错的结果（目前榜单第一名是体积大好几倍的 ERNIE， 其结果为0.93） 。

图表 2.3.53.4 、实验感受
Q1:基于本次实验中的分区资源 ， 你在很短的时间内就完成了基于数据集STS-B的自然语言文本分类模型的训练 ， 对此你怎么看？
吴远皓：HP AI 开发平台的各环境间互不影响 ， 任务展示清晰透明 ， 在多人共享资源的场景下能够既保证开发效率 ， 又显著提高资源的利用效率 。
Q2：HP AI开发平台提供的是 Web 端 GUI 交互界面 ， 请谈谈你的使用感受 。
吴远皓：GUI 界面非常人性化 ， 能够有效完成资源的组织、管理与隔离 。

相关经验推荐


上一篇：|全部50元以下 这些小家电买到就是赚

下一篇：英特尔|耳机品牌233621竟然也玩起了3秒记忆大挑战