【工具使用】如何使用 TI-ONE 平台 Notebook 玩转深度学习

1.注册腾讯云账户
已有账户可跳过
打开TI-ONE官方页面：https://tio.cloud.tencent.com，如果未登陆，便会进入登陆页面，这里可以选择微信登陆或者QQ登陆。

登陆之后，接下来就是日常的关联手机号之类的操作了。（关联手机号即可）

注册完成后的实名认证阶段可以领取腾讯云的一系列免费套餐。
2. 如何使用COS服务
完成数据存储、读取、下载的需求
对象存储（Cloud Object Storage，COS）是由腾讯云推出的无目录层次结构、无数据格式限制，可容纳海量数据且支持 HTTP/HTTPS 协议访问的分布式存储服务。腾讯云 COS 的存储桶空间无容量上限，无需分区管理，适用于 CDN 数据分发、数据万象处理或大数据计算与分析的数据湖等多种场景。COS 提供网页端管理界面、多种主流开发语言的 SDK、API 以及命令行和图形化工具，并且兼容 S3 的 API 接口，方便用户直接使用社区工具和插件。

官方文档地址：https://cloud.tencent.com/document/product/436/6231

COS控制台地址：https://console.cloud.tencent.com/cos5

2.1开通COS服务

第一次打开控制台网址时会弹出如下弹框，点击不再提醒，并关闭弹框。

接下来，实名认证：




至此，已经成功开通COS服务。
2.2创建存储桶


2.3创建文件夹

创建存储桶完成后，进入存储桶管理页面。我们可以看到：可以通过这里来上传文件（上传文件支持多选，支持上传文件夹）以及创建文件夹。

这里创建了data_20200911文件夹，用来存放2数据以及结果产出。

2.4配置COS访问密钥

点击这个链接配置COS访问密钥：https://console.cloud.tencent.com/cam/capi

点击新建密钥即可以创建密钥。

注意：不要让其他人知道哦，因为你的数据以及工作流中的代码，均可通过该密钥访问。如不慎泄漏，可以点击禁用。

3.使用TI-ONE服务
3.1获取体验资格

产品入口：https://cloud.tencent.com/product/tio

下面我们直奔主题，开始配置执行我们的code。

3.2新建工程

点击立即体验，进入工作台界面，新建一个工程。（PS：一般一个比赛一个工程，或者一个阶段）

这里可以选择合适的计算资源



4.模型训练
4.1.创建实例

• 登录智能钛机器学习平台控制台 ，单击菜单栏的【Notebook】，页面将跳转至 Notebook 的实例列表页面，此页面将罗列用户创建的所有 Notebook 实例。
• 在 Notebook 实例列表页，单击左上角【新增实例】，跳转至创建 Notebook 实例的设置页面。填写说明如下：
  地区：此字段不可修改，将自动显示平台选择的地区。
  Notebook 名称：设置此 Notebook 实例的名称。
• 资源选择：选择此实例需要配置的资源。（注意：只要 Notebook 实例处于运行中，都将对配置的资源进行按时收费。 ）
• 卷大小：您的笔记本实例的卷大小 (以 GB 为单位)，最小值为 10GB 且为 10 的倍数，注意：请大于当前硬盘值，最大值为 16384GB (16TB)。
• Root 权限：选择是否赋予 root 权限来访问 Notebook。如果启用 Root 权限，则所有 Notebook 实例用户具有管理员权限，并且可以访问和编辑实例上的所有文件。
• VPC：用户可以选择配置自有的 VPC 网络。
• 配置价格：平台根据您选择的资源配置显示相关价格。
  创建jupyter notebook ,选择需要的算力资源
  
  单击【创建】，Notebook 列表中将新增一条实例记录，请用户自行刷新页面，当实例状态由【创建中】变为【运行中】时，单击【打开】进入 Notebook 实例内部。
  进入实例内部后，您可以根据需要设置内核环境。本案例使用conda_tensorflow_py3。
  注意：如果您需要在终端切换内核，可以通过 source activate 命令切换，支持以下内核：mxnet_py2 mxnet_py3 python2 python3 pytorch_py2 pytorch_py3 tensorflow2_py3 tensorflow_py2 tensorflow_py3
  例子：source activate tensorflow2_py3
  
  选择自己需要的环境，也可在jupyter 里面单独创建
  
  4.2上传数据集，如果太大的话可能需要COS路径方法
• 首先，您需要在大赛官网报名，并获取比赛数据的 COS 路径。本测试案例路径为：https://tesla-ap-guangzhou-1256322946.cos.ap-guangzhou.myqcloud.com/cephfs/tesla\_common/deeplearning/dataset/contest/demo.zip
• 在Notebook中导入所需数据。如果需要安装外部依赖包，详情可参考智能钛官方文档安装第三方库。

!pip install wget
import wget, tarfile
filename = wget.download("https://tesla-ap-guangzhou-1256322946.cos.ap-guangzhou.myqcloud.com/cephfs/tesla_common/deeplearning/dataset/contest/demo.zip")
print(filename)
import zipfile
zFile = zipfile.ZipFile(filename, "r")
for fileM in zFile.namelist(): 
    zFile.extract(fileM, "./")
    print(fileM)
zFile.close();

4.3 模型训练
您可以自行编写代码进行模型构建、模型训练、模型评估。

训练完成