模型训练
有了处理好的数据，我们就可以进行训练了。你可以选择本地训练或在OpenPAI上训练。
OpenPAI上训练
OpenPAI 作为开源平台，提供了完整的 AI 模型训练和资源管理能力，能轻松扩展，并支持各种规模的私有部署、云和混合环境。因此，我们推荐在OpenPAI上训练。
完整训练过程请查阅： 在OpenPAI上训练
本地训练
如果你的本地机器性能较好，也可以在本地训练。
模型训练的代码请参考 train.sh。
训练过程依然调用t2t模型训练命令：。具体命令如下：t2t_trainer
<span style="background-color:var(--bgColor-muted, var(--color-canvas-subtle))"><span style="color:#1f2328"><span style="color:var(--fgColor-default, var(--color-fg-default))"><span style="background-color:var(--bgColor-muted, var(--color-canvas-subtle))"><code>TRAIN_DIR=./output LOG_DIR=${TRAIN_DIR} DATA_DIR=./data_dir USR_DIR=./usr_dir PROBLEM=translate_up2down MODEL=transformer HPARAMS_SET=transformer_small t2t-trainer \ --t2t_usr_dir=${USR_DIR} \ --data_dir=${DATA_DIR} \ --problem=${PROBLEM} \ --model=${MODEL} \ --hparams_set=${HPARAMS_SET} \ --output_dir=${TRAIN_DIR} \ --keep_checkpoint_max=1000 \ --worker_gpu=1 \ --train_steps= \ --save_checkpoints_secs=1800 \ --schedule=train \ --worker_gpu_memory_fraction=0.95 \ --hparams="batch_size=1024" 2>&1 | tee -a ${LOG_DIR}/train_default.log </code></span></span></span></span>讯享网
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请联系我们，一经查实，本站将立刻删除。
如需转载请保留出处：https://51itzy.com/kjqy/17837.html