PAI-NNI-HPO¶
HPO是对模型参数、训练超参数(opt、lr)等进行自动搜索调优的一个工具,从而获取较优参数,提升模型效果。可以大大地节省算法同学调参的时间,聚焦在建模和业务上。我们对NNI、PAI产品和算法等进行集成,支持多平台0代码修改调参,并做了加速、监控、调度、续跑等功能增强。
安装¶
系统:Ubuntu >= 18.04, Windows 10 >= 21H2, macOS >= 11.
python环境:注意NNI仅支持python>=3.7,因此请配置python>=3.7的环境
java环境:如果需要运行MC的PAI命令,需要java8
下载安装hpo-tools¶
安装命令为
source install_hpo_tools.sh $1 $2
第一个参数为下载examples的位置,默认下载在输入路径下面的examples下; 如果没写目录,默认生成在根目录下。
第二个参数为aliyun/eflops/mac-dlc/mac-arm-dlc,用来控制安装dlc的版本,如果没写,则默认安装aliyun版本的dlc
Linux¶
wget https://automl-nni.oss-cn-beijing.aliyuncs.com/nni/hpo_tools/scripts/install_hpo_tools.sh
source install_hpo_tools.sh ./ aliyun
source ~/.bashrc
MAC¶
# 如果是mac系统 将zsh->bash
chsh -s /bin/bash
# 如果是mac系统,aliyun/eflops/mac-dlc/mac-arm-dlc
wget https://automl-nni.oss-cn-beijing.aliyuncs.com/nni/hpo_tools/scripts/install_hpo_tools.sh
source install_hpo_tools.sh ./ mac-dlc
source ~/.bashrc
MAC ARM¶
# 如果是mac系统 将zsh->bash
chsh -s /bin/bash
# 如果是mac系统,aliyun/eflops/mac-dlc/mac-arm-dlc
wget https://automl-nni.oss-cn-beijing.aliyuncs.com/nni/hpo_tools/scripts/install_hpo_tools.sh
source install_hpo_tools.sh ./ mac-arm-dlc
source ~/.bashrc
注意如果有旧版本,会先卸载旧版本,升级新版本hpo-tools
注意会注册PAIAssessor,用于earlystop和手动停止
注意会下载examples,用于开启demo
默认会安装dlc命令行工具,用于提交dlc作业
默认会安装odpscmd命令行工具,用于提交maxcompute作业
提供镜像包(可选)¶
提供镜像用于用户免安装使用,支持local/dlc/mc/trainingservice/paiflow
弹外GPU镜像:registry.cn-shanghai.aliyuncs.com/mybigpai/nni:gpu-latest
弹外CPU镜像:registry.cn-shanghai.aliyuncs.com/mybigpai/nni:cpu-latest
启动镜像¶
mkdir -p ./examples
cd examples
echo $(pwd)
# 挂载&获取container id
container_id=`docker run -td --network host -v $(pwd):/HpoTools/test registry.cn-shanghai.aliyuncs.com/mybigpai/nni:cpu-latest`
echo $container_id
# get examples:cp docker examples to local
docker cp $container_id:/HpoTools/examples/search $(pwd)
# 配置案例路径
ls $(pwd)/search
# 运行镜像
docker exec -ti $container_id /bin/bash
cd /HpoTools/test/search
### 查看具体案例 去本地修改$(pwd)/search下面的实验配置,第2章节
### 查看具体案例 去容器/HpoTools/test/search 启动调优,第3章节
### 查看具体案例 去本地UI查看调优结果,第4章节
配置¶
HPO启动配置包含exp.yml. trial.ini, search_space.json三个模块。
HPO的启动命令是:
nnictl create --config exp.yml
启动入口为exp.yml
通过trialCommand: python3 -m hpo_tools.core.utils.run –config=./trial.ini 连接用户的具体的启动任务。
通过字段searchSpaceFile: search_space.json 连接 search_space.json;
配置案例均可以在安装目录examples/search目录下,细节请参考HPO配置介绍
exp.yml 示例¶
experimentName: maxcompute_easyrec
experimentWorkingDirectory: ../expdir
searchSpaceFile: search_space.json
trialCommand: python3 -m hpo_tools.core.utils.run --config=./trial.ini
trialConcurrency: 1
maxTrialNumber: 1
tuner:
name: TPE
classArgs:
optimize_mode: maximize
trainingService:
platform: local
assessor:
name: PAIAssessor
classArgs:
optimize_mode: maximize
start_step: 1
trial.ini 示例¶
可以查看安装目录下examples/search/maxcompute_easyrec/trial.ini,执行在PAI MaxCompute平台
[oss_config]
endpoint=http://oss-cn-beijing.aliyuncs.com
accessKeyID=${AK}
accessKeySecret=${SK}
[odps_config]
access_id=${AK}
access_key=${SK}
project_name=pai_rec_dev
end_point=http://service.odps.aliyun.com/api
[params_config]
# easy_rec config replace KEY->search params value
params_src_dst_filepath=/root/test_nni/AutoML/HpoTools/hpo_tools/search/maxcompute_easyrec/samples/pipeline_params.config,oss://lcl-bj/eval_test/config/easyrec_model_${exp_id}_${trial_id}.config
[platform_config]
name=MaxCompute
cmd1=PAI -name=easy_rec_ext
-project=algo_public
-Dversion="0.4.2"
-Dconfig='oss://lcl-bj/eval_test/config/easyrec_model_${exp_id}_${trial_id}.config'
-Dcmd='train'
-Dtrain_tables='odps://pai_rec_dev/tables/dwd_avazu_ctr_deepmodel_train_10000'
-Deval_tables='odps://pai_rec_dev/tables/dwd_avazu_ctr_deepmodel_test_1000'
-Dcluster='{"ps":{"count":1,"cpu":1000 },"worker":{"count":3,"cpu":1000,"memory":40000}}'
-Darn='xxx'
-Dbuckets='oss://lcl-bj/'
-Dmodel_dir='oss://lcl-bj/eval_dist_test/model_${exp_id}_${trial_id}'
-DossHost='oss-cn-beijing-internal.aliyuncs.com'
-Deval_method='separate'
[metric_config]
# metric type is summary/table
metric_type=summary
metric_source=oss://lcl-bj/eval_dist_test/model_${exp_id}_${trial_id}/eval_val/
# best/final/avg,default=best
final_mode=final
metric_dict={'auc':1}
trial_local.ini 示例¶
可以查看安装目录下examples/local_easyrec/trial.ini其中执行的命令的是在本地的,而不是在PAI MaxCompute平台
[params_config]
# easy_rec config replace KEY->search params value
params_src_dst_filepath=./samples/pipeline_local.config,${NNI_OUTPUT_DIR}/pai/easyrec_model_${exp_id}_${trial_id}.config
[platform_config]
name=Local
cmd1=python -m easy_rec.python.train_eval --pipeline_config_path ${NNI_OUTPUT_DIR}/pai/easyrec_model_${exp_id}_${trial_id}.config --model_dir=${NNI_OUTPUT_DIR}/pai/model/easyrec_model_${exp_id}_${trial_id} --train_input_path=./samples/data/taobao_train_data --eval_input_path=./samples/data/taobao_test_data
[metric_config]
# metric type is summary/table
metric_type=summary
metric_source=${NNI_OUTPUT_DIR}/pai/model/easyrec_model_${exp_id}_${trial_id}/eval_val/
# best/final/avg,default=best
final_mode=final
metric_dict={'auc':1}
CPU/GPU¶
如果想将任务执行在GPU上,则使用config_local_gpu.yml,配置了GPU相关的信息
如果想将任务执行在CPU上,则使用config_local.yml
配置超参搜索空间search_space.json¶
key是Dconfig中的参数名称,相关配置参考EasyRecConfig参考手册
type是nni中定义的搜索类型,相关配置参考NNI searchSpace参考手册
value是根据业务、经验设置相关搜索值
{
"${initial_learning_rate}":{"_type":"choice","_value":[1e-6,1e-7]}
}
常见搜索空间可以参考:samples/hpo/search_space.json
key配置注意项¶
${initial_learning_rate} 为search_space.json中的key,需要在easyrec pipeline config中提前进行替换,原理是采用变量替换的方式去引入新的超参
train_config {
log_step_count_steps: 200
# fine_tune_checkpoint: ""
optimizer_config: {
adam_optimizer: {
learning_rate: {
exponential_decay_learning_rate {
initial_learning_rate: ${initial_learning_rate}
decay_steps: 10000
decay_factor: 0.5
min_learning_rate: 0.0000001
}
}
}
use_moving_average: false
}
type配置注意事项¶
{”_type”: “choice”, “_value”: options}:从options中选取一个。
{”_type”: “randint”, “_value”: [lower, upper]}:[low,upper)之间选择一个随机整数。
{”_type”: “uniform”, “_value”: [low, high]}:[low,upper]之间随机采样。
高级¶
finetune搜索高级用法参考HPO finetune
启动调优¶
nnictl create --config config.yml --port=8780
其中port可以是机器上任意未使用的端口号。需要注意的是,NNI实验不会自动退出,如果需要关闭实验请运行nnictl stop主动关闭。如果遇到问题,请查看FAQ。
您也可以参考NNI参考手册 查看nnictl的更多用法。
启动成功界面:
如果启动失败,请先查看第6章节FAQ
HPO调优结果¶
点击生成的URL,例如http://127.0.0.1:8780,可以看到webUI 查看调优结果没问题后,可以调整最大Trial运行数量MaxTrialNo和并发度Concurrency。 如果需要更详细的调优结果,可查看HPO调优结果
FAQ¶
如果是用MAC安装,遇到nni启动权限问题,可以手动解决下
chmod 777 /Users/liuchenglong/opt/anaconda3/envs/easyrec-nni/lib/python3.8/site-packages/nni-2.8-py3.8-macosx-10.9-x86_64.egg/nni_node/node
报错如下:
如果实验异常,可以查看具体的日志.
找到配置的实验目录experimentWorkingDirectory,可以去{exp_dir}/{nni_exp_id}/log下查看nni-manager的日志;{exp_dir}/{nni_exp_id}/trials查看所有实验的日志.
可以在实验启动的UI上查看日志
建议使用长周期的服务器去启动,如果是自己的笔记本,建议保持电脑待机
如果NNICTL启动不成功,找到配置的实验目录experimentWorkingDirectory,例如exp_dir/$experiment_id/log/nnictl_stderr.log去查看具体的问题
例如报错:Error: /lib64/libstdc++.so.6: version `CXXABI_1.3.8’ not found,可参考
wget https://automl-nni.oss-cn-beijing.aliyuncs.com/nni/hpo_tools/libstdc.so_.6.0.26.zip unzip libstdc.so_.6.0.26.zip sudo mv libstdc++.so.6.0.26 /usr/lib64 cd /usr/lib64 sudo mv libstdc++.so.6 libstdc++.so.6.bak sudo ln -s libstdc++.so.6.0.26 libstdc++.so.6
如果NNICTL一开始成功,后续突然不成功,可以清空ECS环境中的python进程,重试
例如/mnt/data/project/project/exp/$experiment_id/log/nnictl_stderr.log中无报错,但是Failed to establish a new connection: [Errno 111] Connection refused’))
命令:ps -ef|grep python|grep -v grep|cut -c 9-15|xargs kill -15
如果对应平台的作业未启动成功,可能是AK、SK、NAS配置不正确