新手上路:PAI-DSW实验室创建攻略 | 《阿里云机器学习PAI-DSW入门指南》

本文涉及的产品
模型在线服务 PAI-EAS,A10/V100等 500元 1个月
模型训练 PAI-DLC,5000CU*H 3个月
交互式建模 PAI-DSW,每月250计算时 3个月
简介: 新手攻略指南:教你四步创建你的PAI-DSW实验室!

点击即可参与机器学习PAI-DSW动手实验室

点击可下载完整电子书《阿里云机器学习PAI-DSW入门指南》

新手上路:PAI-DSW实验室创建攻略

Step 1 : 创建并打开你的DSW实验室

前往https://dsw-dev.data.aliyun.com/#/ 即可创建并进入你的实验室。在执行这一步之前需要确保已经登陆了阿里云账号和天池账号。进入之后等待几秒后我们会看到如下页面:
image.png
左侧是DSW实验室的文件区,在这里你可以看到在你的实验室里的所有文件夹和文件。双击文件夹即可进如这个文件夹。中间是工作区,所有被打开的文件都会在工作区显示出来。右侧是计算资源区域,在这里你可以看到你当前使用的资源类型。点击右边计算资源区的箭头,即可弹出资源详情,如下图所示:
image.png
这里我们也可以点击切换按钮选择我们需要的资源进行切换。CPU资源切换到GPU需要大概1分钟,所以这里暂时先不演示抢占GPU资源的使用放法。
image.png
在文件资源管理区的顶部还有4个按钮,从左到右分别对应的是:打开DSW Launcher启动器,新建文件夹,上传文件以及刷新当前文件夹。
image.png
在文件夹左侧还有一栏Tab,每个图标从上到下分别代表了:文件资源管理器,案例代码,正在运行的Notebook,命令面板,在工作区打开的Tab,以及天池的数据搜索引擎。
然后我们回到DSW Launcher启动器,也就是工作区默认打开的界面,然后点击Notebook区域中的Python3,如下图所示:
image.png

Step 2 : 创建一个Notebook

点击了Python3这个图标之后,DSW实验室就会自动为我们创建一个ipynb notebook文件。我们在左侧的资源管理器中也会看到。如下图所示:
image.png
这样我们就成功的创建了一个Notebook了。相信熟悉Notebook的你到这一步就很清楚之后怎么操作了~ 如果你以前没有用过也没关系,继续往下看。

Step 3 :写下你的第一行代码并运行

用鼠标点击第一个框框(我们下面以Cell称呼),我们就可以开始从只读模式进入编辑模式开始写代码了。
image.png
这里我们可以先输入一个简单的:

print("欢迎来到DSW👏👏👏 你可以把这里当作一个自由自在的实验室😝,做各种你想尝试的数据实验🧪")

然后我们同时按下 shift+ enter回车这两个键,就可以看到我们的执行结果了,如下图所示:
image.png
图中标红的数字1表示这个Cell是第一个被执行的,蓝色区域则表示当前聚焦(Focus)的Cell。我们可以在Focus的Cell按下 Enter回车键进入编辑模式。我们也可以按下 Esc键来退出编辑模式回到只读模式。在只读模式中,我们可以通过方向键上下来切换Focus的Cell。

Step 4 : 计算一个斐波那契数列

很好,现在你已经熟悉了DSW最基本的运行Cell的方式,接下来就让我们编写一个简单的斐波那契数列计算的函数来计算这个数列的第10项。把下方的代码拷贝到新生成的Cell中即可:

# 计算第 N 个斐波那契数列 的函数
def Fibonacci(n): 
    if n<0: 
        print("异常输入,请确认输入一个正整数") 
    # 第一个斐波那契数是 0 
    elif n==1: 
        return 0
    # 第二个斐波那契数是 1 
    elif n==2: 
        return 1
    else: 
        return Fibonacci(n-1)+Fibonacci(n-2) 

# 计算第10个斐波那契数并打印出来
print('第10个斐波那契数是:',Fibonacci(10)) 

同样,输入代码后,我们按下 shift+ enter回车这两个键,就可以看到我们的执行结果了,如下图所示:
image.png
这样,你就掌握了DSW最基本的创建Notebook,便携代码和运行代码的方式。你也可以点击左侧案例的图标来游览一下我们已经为你准备好的样例代码,更好的熟悉DSW的使用方式。

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。
相关文章
|
2月前
|
机器学习/深度学习 算法 数据挖掘
Python数据分析革命:Scikit-learn库,让机器学习模型训练与评估变得简单高效!
在数据驱动时代,Python 以强大的生态系统成为数据科学的首选语言,而 Scikit-learn 则因简洁的 API 和广泛的支持脱颖而出。本文将指导你使用 Scikit-learn 进行机器学习模型的训练与评估。首先通过 `pip install scikit-learn` 安装库,然后利用内置数据集进行数据准备,选择合适的模型(如逻辑回归),并通过交叉验证评估其性能。最终,使用模型对新数据进行预测,简化整个流程。无论你是新手还是专家,Scikit-learn 都能助你一臂之力。
119 8
|
3月前
|
机器学习/深度学习 API 网络架构
"解锁机器学习超级能力!Databricks携手Mlflow,让模型训练与部署上演智能风暴,一触即发,点燃你的数据科学梦想!"
【8月更文挑战第9天】机器学习模型的训练与部署流程复杂,涵盖数据准备、模型训练、性能评估及部署等步骤。本文详述如何借助Databricks与Mlflow的强大组合来管理这一流程。首先需在Databricks环境内安装Mlflow库。接着,利用Mlflow跟踪功能记录训练过程中的参数与性能指标。最后,通过Mlflow提供的模型服务功能,采用REST API或Docker容器等方式部署模型。这一流程充分利用了Databricks的数据处理能力和Mlflow的生命周期管理优势。
138 7
|
3月前
|
机器学习/深度学习 运维 算法
【阿里天池-医学影像报告异常检测】3 机器学习模型训练及集成学习Baseline开源
本文介绍了一个基于XGBoost、LightGBM和逻辑回归的集成学习模型,用于医学影像报告异常检测任务,并公开了达到0.83+准确率的基线代码。
64 9
|
3月前
|
机器学习/深度学习 人工智能 自然语言处理
基于PAI-QuickStart搭建一站式模型训练服务体验
【8月更文挑战第5天】基于PAI-QuickStart搭建一站式模型训练服务体验
122 0
|
3月前
|
机器学习/深度学习 存储 人工智能
【机器学习】Qwen1.5-14B-Chat大模型训练与推理实战
【机器学习】Qwen1.5-14B-Chat大模型训练与推理实战
352 0
|
4月前
|
机器学习/深度学习 存储 分布式计算
PAI机器学习平台如何进行分布式训练?
【7月更文挑战第1天】PAI机器学习平台如何进行分布式训练?
125 1
|
4月前
|
机器学习/深度学习 算法 数据挖掘
Python数据分析革命:Scikit-learn库,让机器学习模型训练与评估变得简单高效!
【7月更文挑战第27天】在数据驱动时代,Python以丰富的库成为数据科学首选。Scikit-learn因简洁高效而备受青睐,引领数据分析革命。本文引导您使用Scikit-learn简化机器学习流程。首先通过`pip install scikit-learn`安装库。接着使用内置数据集简化数据准备步骤,例如加载Iris数据集。选择合适的模型,如逻辑回归,并初始化与训练模型。利用交叉验证评估模型性能,获取准确率等指标。最后,应用训练好的模型进行新数据预测。Scikit-learn为各阶段提供一站式支持,助力数据分析项目成功。
71 0
|
4月前
|
机器学习/深度学习 人工智能 算法
【机器学习】大模型训练的深入探讨——Fine-tuning技术阐述与Dify平台介绍
【机器学习】大模型训练的深入探讨——Fine-tuning技术阐述与Dify平台介绍
|
6月前
|
机器学习/深度学习 人工智能 NoSQL
人工智能平台PAI产品使用合集之机器学习PAI EasyRec训练时,怎么去除没有意义的辅助任务的模型,用于部署
阿里云人工智能平台PAI是一个功能强大、易于使用的AI开发平台,旨在降低AI开发门槛,加速创新,助力企业和开发者高效构建、部署和管理人工智能应用。其中包含了一系列相互协同的产品与服务,共同构成一个完整的人工智能开发与应用生态系统。以下是对PAI产品使用合集的概述,涵盖数据处理、模型开发、训练加速、模型部署及管理等多个环节。
|
6月前
|
机器学习/深度学习 人工智能 运维
人工智能平台PAI产品使用合集之机器学习PAI可以通过再建一个done分区或者使用instance.status来进行部署吗
阿里云人工智能平台PAI是一个功能强大、易于使用的AI开发平台,旨在降低AI开发门槛,加速创新,助力企业和开发者高效构建、部署和管理人工智能应用。其中包含了一系列相互协同的产品与服务,共同构成一个完整的人工智能开发与应用生态系统。以下是对PAI产品使用合集的概述,涵盖数据处理、模型开发、训练加速、模型部署及管理等多个环节。

相关产品

  • 人工智能平台 PAI
  • 下一篇
    无影云桌面