OpenI
PYPI package for 启智AI协作平台。
使用说明安装
- 启智平台提供的Python工具包,使用户能在本地上传数据集。
- 用户可以获取镜像内存放代码,数据集,模型,输出结果的路径
- 可以使用公共函数实现数据集的拷贝,模型的上传等
- 使用说明:
- 使用前请在平台个人设置中获取token:点击跳转token获取界面
- 当前版本为了解决用户上传数据集的需求,建议在本地使用。后续版本将适配代码仓配置、隐藏token及云脑任务。
安装
适配python3.6及以上版本
PYPI package for 启智 AI 协作平台。
安装
适配 python3.6 及以上版本
pip3 install -U openi_test
pip install openi-test==0.5.1 -i https://pypi.tuna.tsinghua.edu.cn/simple
本地上传数据集示例
dataset.upload_file(file, username, repository, token, cluster = "NPU")
平台数据集的上传与下载
- 提供命令行与代码使用
- 具体请参考 帮助文档-API参考
file
str, 必填:文件路径(包含文件名,支持linux与mac路径,也支持windows文件路径如d:\xxx)username
str, 必填:上传数据集所属项目owner用户名,可以是用户或组织repository
str, 必填:数据集所属项目路径,此为仓库地址中的名字,更改过名称的项目需填写仓库地址中的路径token
str, 必填:用户启智上获取的令牌token,并对该数据集有权限cluster
str, 选填, 默认"NPU":可填入GPU或NPU,上传至不同的存储集群
from openi.dataset import upload_file
upload_file(
file = "",
username = "",
repository = "",
token = "",
cluster = "",
app_url = ""
file = "",
username = "",
repository = "",
token = "",
cluster = ""
)
界面
from openi.dataset import download_file
download_file(
file="my_data.zip",
repo_id="user1/repo1",
cluster="gpu",
save_path="local_path/",
)
""" output
Complete( my_data.zip)(gpu): 100%|██████████████████████████████████████████| 22.0MB/22.0MB [00:01<00:00, 15.9MB/s]
"""
>>> openi
usage: openi {login, whoami, dataset, ...} [<args>] [-h]
OpenI command line tool 启智AI协作平台命令行工具
commands:
{login,logout,whoami,dataset,d,model,m}
login 使用令牌登录启智并保存到本机
logout 登出当前用户并删除本地令牌文件
whoami 查询当前登录用户
dataset (d) {upload,download} 上传/下载启智AI协作平台的数据集
model (m) {upload,download} 上传/下载启智AI协作平台的模型
>>> openi login
██████╗ ██████╗ ███████╗ ███╗ ██╗ ██████╗
██╔═══██╗ ██╔══██╗ ██╔════╝ ████╗ ██║ ██╔═╝
██║ ██║ ██████╔╝ █████╗ ██╔██╗ ██║ ██║
██║ ██║ ██╔═══╝ ██╔══╝ ██║╚██╗██║ ██║
╚██████╔╝ ██║ ███████╗ ██║ ╚████║ ██████╗
╚═════╝ ╚═╝ ╚══════╝ ╚═╝ ╚═══╝ ╚═════╝
点击链接获取令牌并复制粘贴到下列输入栏 https://openi.pcl.ac.cn/user/settings/applications
[WARNING] 若本机已存在登录令牌,本次输入的令牌会将其覆盖
粘贴前请先按 退格键⇦ 删除多余空格
🔒 token:
云脑资源初始化与上传,获取路径示例:
#导入包
from openi.context import prepare, upload_openi
#初始化导入数据集和预训练模型到容器内
openi_context = prepare()
#获取数据集路径,预训练模型路径,输出路径
dataset_path = openi_context.dataset_path
pretrain_model_path = openi_context.pretrain_model_path
you_must_save_here = openi_context.output_path
#回传结果到openi
upload_openi()