分布式自动机器学习软件操作指导文档

一、 前端推理操作说明

• 该功能的主页面如下，用户需要首先在左边选择相应的推理功能，包括图像分类（Image Classification）和深度估计（Depth Estimation），默认显示的是图像分类功能。

• 图像分类功能操作步骤

（1） 选择需要使用的深度网络模型（Model）以及权重文件（Weights），其中权重文件包括本项目提供的一个示例（demo_class）以及用户使用该软件进行训练得到的权重文件。

（2） 从本地上传要进行类别判断的图像。

（3） 系统会自动运行基于深度网络推理的图像分类算法，并显示概率最大的前五类物体，以及对应的概率。

• 深度估计功能操作步骤

（4） 选择需要使用的深度网络模型（Model）以及权重文件（Weights），其中权重文件包括本项目提供的一个示例（demo_stereo）以及用户使用该软件进行训练得到的权重文件。

（5） 从本地分别上传目标左图以及右图，注意上传位置，第一个是左图，第二个是右图。然后点击“RUN!”。

（6） 系统会自动运行基于深度网络推理的深度估计算法，并显示左图对应的深度图。

二、 后端训练操作说明

• 该功能的主页面如下，用户需要首先在左边选择训练任务类型，包括图像分类（Image Classification）和深度估计（Depth Estimation），默认显示的是图像分类功能。

• 图像分类（Image Classification）深度网络训练操作步骤

（1） 选择用于训练的GPU节点。

（2） 输入任务名称，系统会验证名称是否合法以及任务名称是否存在。

（3） 选择深度网络模型以及训练用的数据集。

（4） 设置训练超参数，支持批大小batch size（bs）以及学习率learning rate（lr）。点击“RUN!”，运行训练任务。

（5） 右边界面此处下拉可以看到所有提交任务的状态。“running”表示任务正在运行，“stopped”表示任务已经停止。点击“Refresh”可以刷新任务状态，选择相应的任务并点击“Stop”可以停止选中的任务。

（6） 右边界面中部显示的是目前被选中任务的运行日志，由于空间关系仅显示日志最新的部分，点击下方的按钮可以现在完整的训练日志。

• 深度估计（Depth Estimation）深度网络训练操作步骤与图像分类类似，主要区别在于基准深度网络结构以及训练所使用的数据集不同。

三、 进度监控操作说明

• 首先使用用户名和密码登录系统（账户：automl2021@126.com，密码：Baptist11--）

• 该功能的主页面如下，该系统主要是以项目（Project）为管理单位，默认的Project是dist-automl。

• 在一个Project下可以有多个运行日志，每个日志对应一个训练任务。用户可以通过启用/屏幕日志的方式选择自己想要进行监视的日志数据。

• 除了训练进度数据外，该系统亦支持监控训练机器的GPU状态，包括GPU内存使用量，GPU计算利用率，GPU温度等等。