Written by joezou(邹镇洪), 2019/5/12
项目 内容 这个作业属于课程 人工智能实战 2019 - 北京航空航天大学 这个作业的要求在 人工智能实战第七次作业（个人） 我在这个课程的目标是 学会利用云部署机器学习模型并完成一个app 这个作业在这些方面帮助我实现目标 练习通过自动训练平台NNI和分布式集群OpenPAI进行神经网络训练和调参 其他参考文献 无
作业描述：
学习OpenPAI的使用：
学习文档，并提交OpenPAI job，将体验心得形成博客，选题方向可以是：
- 介绍OpenPAI，以及使用心得体会，给出文档或者功能等方面的意见和建议
- 将OpenPAI与其他机器学习平台进行对比或评测
学习NNI的使用
学习文档，并使用NNI进行调参或架构调整，将体验心得形成博客，选题方向可以是：
- 介绍NNI，自己的心得体会，为NNI提建议或问题，包括文档功能等
- 将NNI与自己了解的其他自动机器学习工具比较或评测
本次作业均采用了选择1。
OpenPAI:
介绍：
OpenPAI是微软开发的一个用于在线训练的、适合人工智能应用的计算机集群，通过Docker容器使得OpenPAI可以和多种现有的深度学习框架融合。它可以通过在VSCode上安装相应的插件来使用，并且可以通过网页实现客户端与集群的交互。OpenPAI还提供GPU和CPU服务，提升了用户可使用的计算力。
使用过程：
根据说明，在本地copy了示例代码（couplet）。首先在VS上链接OpenPAI，并创建一个Job。
在json中写好启动命令后，通过点击submit job to pai cluster上传任务，即可在OpenPAI中运行代码。OpenPai的多数命令都在PAI CLUSTER EXPLOERER中，运行完毕后将在workdesk上看到自己的文件夹和文件。
心得：
OpenPAI的链接还是不稳定，当断开链接后很难重新连接上，我选择了重新添加集群。此外，不清楚为何无法访问Job List，反而以大约每30s一次的频率在VSCode中弹出提示窗口，持续不断。
NNI:
介绍：
NNI是一个自动调参工具，支持本地运行或OpenPAI上运行，支持Win10,linux和MacOS三种系统，并且同样有网页端口来供用户交互。
使用过程：
非常简单，配置好json文件后（也就是参数搜索空间），借助yml文件运行代码即可。修改运行平台到OpenPAI并设置相应端口即可在线训练。
心得：
前两个交互端口不可用。
