Skip to main content

PyTorch 模型更新

pytorch_model_update.py 示例演示了如何使用OutputModel 类训练模型并记录它。

该示例执行以下操作：

  • 在examples项目中创建一个名为Model update pytorch的任务。
  • 在CIFAR10数据集上训练神经网络以进行图像分类。
  • 使用OutputModel对象记录模型、其标签枚举和配置字典。
Disabling automatic framework logging

此示例禁用了PyTorch输出的默认自动捕获功能，以演示如何手动控制从PyTorch记录的内容。有关更多信息，请参阅此FAQ。

初始化​

为任务实例化了一个OutputModel对象。

from clearml import Task, OutputModel

task = Task.init(
        project_name="examples",
        task_name="Model update pytorch",
        auto_connect_frameworks={"pytorch": False}
)
 
output_model = OutputModel(task=task)

标签枚举​

标签枚举字典通过Task.connect_label_enumeration方法记录，该方法将更新任务的结果模型信息。当前运行的任务通过Task.current_task类方法访问。

# store the label enumeration of the training model
classes = ("plane", "car", "bird", "cat", "deer", "dog", "frog", "horse", "ship", "truck",)
enumeration = {k: v for v, k in enumerate(classes, 1)}
Task.current_task().connect_label_enumeration(enumeration)
Directly Setting Model Enumeration

你可以直接使用OutputModel.update_labels方法来设置模型的标签枚举。

模型配置​

使用OutputModel.update_design方法向模型添加配置字典。

model_config_dict = {
        "list_of_ints": [1, 2, 3, 4],
        "dict": {
            "sub_value": "string",
            "sub_integer": 11
            },
        "value": 13.37
}
 
model.update_design(config_dict=model_config_dict)

更新模型​

要更新模型，请使用OutputModel.update_weights()。 这将模型上传到设置的存储目的地（参见设置上传目的地）， 并将该位置注册为任务的输出模型。

# CONDITION depicts a custom condition for when to save the model. The model is saved and then updated in ClearML
CONDITION = True

if CONDITION:
        torch.save(net.state_dict(), PATH)
        model.update_weights(weights_filename=PATH)

WebApp​

模型出现在任务的ARTIFACTS标签中。

任务工件

点击模型名称将带您进入模型的页面，在那里您可以查看模型的详细信息并访问模型。

模型页面

模型的NETWORK选项卡显示其配置。

模型网络标签

模型的LABELS标签显示其标签枚举。

模型标签