跳到主要内容
版本:0.6.12

Starwhale Standalone入门指南

我们也提供对应的Jupyter Notebook例子,可以在 Google Colab 或本地的 vscode/jupyterlab 中试用。

安装 Starwhale Client

python3 -m pip install starwhale

详细文档参见 Starwhale Client 安装指南

下载例子

通过以下方式克隆Starwhale项目来下载Starwhale示例:

GIT_LFS_SKIP_SMUDGE=1 git clone https://github.com/star-whale/starwhale.git --depth 1
cd starwhale

为了节省例子的下载时间,我们执行git clone命令时,忽略了git-lfs,并只保留最近一次的commit信息。我们选用ML/DL领域的HelloWorld程序-MNIST来介绍如何从零开始构建数据集、模型包和运行环境,并最终完成模型评测。接下来的操作都在 starwhale 目录中进行。

核心工作流程

构建 Starwhale 运行时

运行时示例代码位于example/helloworld目录中。

  • 构建Starwhale运行时包:

    swcli -vvv runtime build --yaml example/helloworld/runtime.yaml
    提示

    当首次构建Starwhale Runtime时,由于需要创建venv或conda隔离环境,并下载相关的Python依赖,命令执行需要花费一段时间。时间长短取决与所在机器的网络情况和runtime.yaml中Python依赖的数量。建议合理设置机器的 ~/.pip/pip.conf 文件,填写缓存路径和适合当前网络环境的pypi mirror地址。

    处于中国大陆网络环境中的用户,可以参考如下配置:

    [global]
    cache-dir = ~/.cache/pip
    index-url = https://pypi.tuna.tsinghua.edu.cn/simple
    extra-index-url = https://mirrors.aliyun.com/pypi/simple/
  • 检查您本地的Starwhale运行时:

    swcli runtime list
    swcli runtime info helloworld

构建模型

模型示例代码位于 example/helloworld 目录中。

  • 构建一个Starwhale模型:

    swcli -vvv model build example/helloworld --name helloworld -m evaluation --runtime helloworld
  • 检查您本地的Starwhale模型:

    swcli model list
    swcli model info helloworld

构建数据集

数据集示例代码位于 example/helloworld 目录中。

  • 构建Starwhale数据集:

    swcli runtime run helloworld --cwd example/helloworld  python3 dataset.py
  • 检查您本地的Starwhale数据集:

    swcli dataset list
    swcli dataset info mnist64
    swcli dataset head mnist64

运行评估作业

  • 创建评估工作

    swcli -vvv model run --uri helloworld --dataset mnist64 --runtime helloworld
  • 检查评估结果

    swcli job list
    swcli job info $(swcli job list | grep mnist | grep success | awk '{print $1}' | head -n 1)

恭喜! 您已完成Starwhale Standalone的入门指南。