mirror of
https://github.com/tencentmusic/cube-studio.git
synced 2024-12-15 06:09:57 +08:00
19 lines
1.2 KiB
Markdown
19 lines
1.2 KiB
Markdown
|
# tensorflow模型训练任务配置(plain方式)：
|
|||
|
|
用户如果要使用分布式，需要自己对代码做分布式改造，框架仍然会把TF_CONFIG写入环境变量中，用户代码可以通过os.environ.get('TF_CONFIG')获取。这种方式下用户的代码有更大灵活性。
|
|||
|
|
```
|
|||
|
|
{
|
|||
|
|
"job_detail": {
|
|||
|
|
"script_name": "<str>",
|
|||
|
|
"params": [
|
|||
|
|
<str|int|float>, ...
|
|||
|
|
],
|
|||
|
|
"model_name": "<str>",
|
|||
|
|
"save_path": "<str>"
|
|||
|
|
}
|
|||
|
|
}
|
|||
|
|
```
|
|||
|
|
- **job_detail**：任务的详细描述，其下字段有：
|
|||
|
|
- **script_name**：**!!#e06666 必填!!**。用户训练脚本文件名，默认在包目录中，支持相对路径
|
|||
|
|
- **params**：传递给用户脚本的参数，具体参数取决于用户脚本。
|
|||
|
|
- **model_name**：模型名字。
|
|||
|
|
- **save_path**：训练完的模型保存目录，默认在数据目录中，支持相对路径。**一般情况下保存目录还会在params传递给用户脚本以便实际执行模型保存操作，这里需要注意两者保持一致。例如params可能包含参数`["--save-dir", "${DATA_PATH}$/saved_model"]`，那么save_path也应该设置为`"${DATA_PATH}$/saved_model"`。**
|