Addestramento con l'impiego dell'algoritmo NCF integrato

L'addestramento con algoritmi integrati su AI Platform Training ti consente di inviare il set di dati e addestra un modello senza scrivere codice di addestramento. Questa pagina spiega come funziona l'algoritmo NCF integrato e come utilizzarlo.

Panoramica

Questo algoritmo integrato esegue solo l'addestramento:

  1. Addestramento: utilizzando il set di dati e i parametri del modello che hai fornito, AI Platform Training esegue l'addestramento utilizzando Implementazione di NCF.

Limitazioni

Le seguenti funzionalità non sono supportate per l'addestramento con la Algoritmo NCF:

  • Pre-elaborazione automatica dei dati Questa versione dell'NCF richiede che i dati di input siano TFRecord sia per l'addestramento che per l'output. È necessario effettuare un'applicazione di addestramento gestire automaticamente l'input non formattato.

Tipi di macchine supportati

I seguenti livelli di scalabilità e tipi di macchine di AI Platform Training sono supportati:

  • Livello di scalabilità BASIC
  • Livello di scalabilità BASIC_GPU
  • Livello di scalabilità BASIC_TPU
  • Livello di scalabilità CUSTOM con uno qualsiasi dei tipi di macchine di Compute Engine supportata da AI Platform Training.
  • Livello di scalabilità CUSTOM con una delle seguenti macchine legacy tipi:
    • standard
    • large_model
    • complex_model_s
    • complex_model_m
    • complex_model_l
    • standard_gpu
    • standard_p100
    • standard_v100
    • large_model_v100
    • complex_model_m_gpu
    • complex_model_l_gpu
    • complex_model_m_p100
    • complex_model_m_v100
    • complex_model_l_v100
    • TPU_V2 (8 core)

Ti consigliamo di utilizzare un tipo di macchina con accesso a TPU o GPU.

Formatta i dati di input

Assicurati che i dati di input e di valutazione siano nel formato TFRecord prima durante l'addestramento del modello.

Controlla le autorizzazioni del bucket Cloud Storage

Per archiviare i dati, utilizza un bucket Cloud Storage nello stesso Google Cloud progetto che stai utilizzando per eseguire job di AI Platform Training. Altrimenti, concedere ad AI Platform Training l'accesso al bucket Cloud Storage in cui sono archiviati i tuoi dati.

Inviare un job di addestramento NCF

Questa sezione spiega come inviare un job di addestramento utilizzando dell'algoritmo NCF.

Puoi trovare brevi spiegazioni di ciascun iperparametro nella console Google Cloud e una spiegazione più completa nel riferimento per l'algoritmo NCF integrato.

Console

  1. Vai alla pagina dei job di addestramento su AI Platform nella console Google Cloud:

    Pagina Lavori di AI Platform Training

  2. Fai clic sul pulsante Nuovo job di addestramento. Dalle opzioni visualizzate di seguito, fai clic su Addestramento con algoritmi integrati.

  3. Nella pagina Crea un nuovo job di addestramento, seleziona NCF e fai clic su Avanti.

  4. Per scoprire di più su tutti i parametri disponibili, segui i link in alla console Google Cloud e consulta le di riferimento NCF integrato per ulteriori informazioni.

gcloud

  1. Imposta le variabili di ambiente per il job:

       # Specify the name of the Cloud Storage bucket where you want your
   # training outputs to be stored, and the Docker container for
   # your built-in algorithm selection.
   BUCKET_NAME='BUCKET_NAME'
   IMAGE_URI='gcr.io/cloud-ml-algos/ncf:latest'

   # Specify the Cloud Storage path to your training input data.
   DATA_DIR='gs://$BUCKET_NAME/ncf_data'

   DATE="$(date '+%Y%m%d_%H%M%S')"
   MODEL_NAME='MODEL_NAME'
   JOB_ID="${MODEL_NAME}_${DATE}"

   JOB_DIR="gs://${BUCKET_NAME}/algorithm_training/${MODEL_NAME}/${DATE}"

    Sostituisci quanto segue:

    • BUCKET_NAME: il nome dell'istanza di Cloud Storage in cui archiviare gli output dell'addestramento.
    • MODEL_NAME: un nome per il modello, per identificare dove gli artefatti del modello vengono archiviati nel tuo bucket Cloud Storage.

  2. Invia il job di addestramento utilizzando gcloud ai-platform jobs training submit. Modifica questo esempio generico in modo che funzioni con il tuo set di dati:

       gcloud ai-platform jobs submit training $JOB_ID \
      --master-image-uri=$IMAGE_URI --scale-tier=BASIC_TPU --job-dir=$JOB_DIR \
      -- \
      --train_dataset_path=${DATA_DIR}/training_cycle_*/* \
      --eval_dataset_path=${DATA_DIR}/eval_data/* \
      --input_meta_data_path=${DATA_DIR}/metadata \
      --learning_rate=3e-5 \
      --train_epochs=3 \
      --eval_batch_size=160000 \
      --learning_rate=0.00382059 \
      --beta1=0.783529 \
      --beta2=0.909003 \
      --epsilon=1.45439e-07 \
      --num_factors=64 \
      --hr_threshold=0.635 \
      --keras_use_ctl=true \
      --layers=256,256,128,64 \

  3. Monitora lo stato del job di addestramento visualizzando i log con gcloud. Consulta gcloud ai-platform jobs describe e gcloud ai-platform jobs stream-logs.

       gcloud ai-platform jobs describe ${JOB_ID}
   gcloud ai-platform jobs stream-logs ${JOB_ID}

Ulteriori risorse di apprendimento

Indietro
Introduzione all'algoritmo NCF
Avanti
Riferimento per l'algoritmo NCF