ModelArts 专属资源池8卡v100性能测试例子

测试脚本使用的模型是resnet50，使用tensorflow 1.13.1框架。

测试代码见附件，代码一共包含4个文件。” trainer_modelarts.py”是使用modelarts进行训练的启动脚本，” trainer_offline.py”是线下进行训练的脚本。

通过下面地址下载数据集

http://download.tensorflow.org/example_images/flower_photos.tgz

解压以后执行下面命令将数据集文件夹结构进行重构

重构以后数据目录变为

|-flowers_dataset

         |-train

                   |-label 目录

1本地进行性能测试

将数据拷贝到/cache下面，解压压缩包

进入代码目录，执行

python trainer_offline.py --mode=train

代码中默认的gpu数量是8，如果数量不是8，请增加参数--num_gpu=1

python trainer_offline.py --mode=train --num_gpu=1

2ModelArts上进行测试性能测试

将代码解压后上传到obs, 流入这个代码上传到’obs://cnnorth4-job-test/juyiming-demo/r50_performance’

flowers_dataset上传到obs，例如我上传到’obs://cnnorth4-job-test/juyiming-demo/flowers_dataset’

训练作业进行如下配置，选择专属8卡v100专属资源池，进行训练作业创建。

如果是单卡增加参数

num_gpu = 1