Pytorch 节点(试验版)
综述
Pytorch 是一个的主流Python机器学习库。
为了用户能够在DolphinScheduler中更方便的运行Pytorch项目,实现了Pytorch任务组件。主要提供便捷的python环境管理以及支持运行python项目。
与Python任务组件不同,该组件允许用户快速使用已有python环境或者创建新的python环境(使用virtualenv或者conda);支持运行Python项目(本地项目或者Git项目)而非只是python脚本。
创建任务
- 点击项目管理-项目名称-工作流定义,点击“创建工作流”按钮,进入 DAG 编辑页面;
- 拖动工具栏的 任务节点到画板中。
任务样例
组件图示如下:
Pytorch参数
- 默认参数说明请参考DolphinScheduler任务参数附录
默认任务参数
一栏。
运行参数
任务参数 | 描述 |
---|---|
python脚本 | 需要运行的python脚本文件入口 |
脚本启动参数 | 运行时的输入参数 |
以上为两个最小化配置运行的参数,另外提供其他的一些配置参数如下可选,当选择展开更多配置时,可以配置更多参数。
任务参数 | 描述 | ||
---|---|---|---|
python项目地址 | 设置PYTHONPATH 环境变量,设置后运行python脚本时可以加载该地址下的python包/项目代码。支持本地路径或者Git url。若为本地路径,作为PYTHONPATH 环境变量,如果为Git URL (以`git@ |
https:// | http:// 前缀),则会下载项目,并将下载后存放地址作为新的**python项目地址**,若需要运行子文件夹下的项目,可以添加 #subdirectory` 来配置 |
python环境参数
任务参数 | 描述 |
---|---|
是否创建新环境 | 是否创建新的python环境来运行该任务 |
python命令路径 | 如/usr/bin/python ,默认为DS环境配置中的${PYTHON_LAUNCHER} |
python环境管理工具 | 可以选择virtualenv或者conda,若选择virtualenv ,则会用virtualenv 创建一个新环境,使用命令 virtualenv -p ${PYTHON_LAUNCHER} venv 创建;若选择conda , 则会使用conda 创建一个新环境,并需要指定创建的python版本 |
依赖文件 | 默认为 requirements.txt |
配置了python项目地址
参数,那么python脚本
和依赖文件
参数允许输入相对路径
Demo
如现在需要运行 https://github.com/pytorch/examples 项目下的mnist的子项目。
可以设置
另外如果代码存放在资源中心,则可以使用资源
参数下载代码,并将相关参数写成对应资源的路径即可。
环境配置
环境配置主要取决于运行时python环境的选择,需要在安全中心
-环境管理
中配置对应需要的环境变量即可。
指定python路径
适用于worker上已经有运行该项目的python环境,那么可以直接在组件中配置pyhton命令路径
为对应的python环境即可,如果不知道该环境地址,可以使用which python
获取。
使用Conda创建新环境
适用于新建环境运行该项目,需要在安全中心
-环境管理
中创建环境, 参考如下添加修改为实际环境即可。
# conda命令对应的目录加入PATH中
export PATH=$HOME/anaconda3/bin:$PATH
使用virtualenv创建新环境
适用于新建环境运行该项目,需要在安全中心
-环境管理
中创建环境, 参考如下添加修改为实际环境即可。
# virtualenv命令对应的目录加入PATH中
export PATH=/home/lucky/anaconda3/bin:$PATH
export PYTHON_LAUNCHER=/usr/local/bin/python3.7
其他
本组件也可以运行xgboost, lightgbm, sklearn, tensorflow, keras 等项目。本组件可作为python组件运行机器学习任务的升级组件。
如果有需要,后续建议可以统一涵盖为PythonML组件,来运行机器学习项目。