添加算法

本节目录

• 添加算法

  • 添加本地算法

  • 添加远程算法

命令: algorithm

算法添加分类两类，本地和远程,用 --help 命令可看到有以下子命令 local remote ：

anyctl add algorithm --help

Usage: anyctl add algorithm [OPTIONS] COMMAND [ARGS]...

    Add local or remote algorithm to local Anylearn project.

Options:
    --help  Show this message and exit.

Commands:
    local   Add local algorithm to current project.
    remote  Add remote algorithm by ID to current project.

添加本地算法

命令: local

参数及缩写	是否必须	默认值	说明
name	True		算法名称
--dir	True		本地算法文件夹（绝对路径）
--entrypoint-training	True		启动训练的入口命令
--output-training	True		训练输出模型的相对路径（相对于算法目录）

使用示例：

anyctl add algorithm local anyctl_algo --dir D:\anyctl-test\resource\cnn --entrypoint-training "python fashion_mnist.py" --output-training anyctl_algo_result

运行后会有以下输出：

[SUCCESS] ADDED  #提示算法添加成功

此时我们用 anyctl config ls 查看配置项可以看到算法信息已经有了：

remote:
    host:
    username:
    password:
project:
    id:
    name: anyctl_project
    description: A project created by anylearn ctl.
algorithms:
    anyctl_algo:
        id:
        name: anyctl_algo
        description:
        visibility: 3
        train_params: []
        follows_anylearn_norm: false
        entrypoint_training: python fashion_mnist.py
        output_training: anyctl_algo_result
datasets: {}
path:
    algorithm:
        anyctl_algo: D:\anyctl-test\resource\cnn
    dataset: {}

添加远程算法

我们除了添加本地算法以外还可以添加已经上传到后端的算法，只需要知道后端算法ID即可。

命令: remote

参数及缩写	是否必须	默认值	说明
id	True		远程算法ID

使用示例：

anyctl add algorithm remote ALGOxxx

如果需要配置远程地址和用户信息请参考 远程地址和用户设置 。

运行后会有以下输出：

[SUCCESS] ADDED  #提示算法添加成功

此时我们用 anyctl config ls 查看配置项可以看到远程算法信息已经有了：

...
algorithms:
    anyctl_algo:
        id:
        name: anyctl_algo
        description:
        visibility: 3
        train_params: []
        follows_anylearn_norm: false
        entrypoint_training: python fashion_mnist.py
        output_training: anyctl_algo_result
    cli_example_algo:  #远程算法信息
        id: ALGOxxx
        name: cli_example_algo
        description: SDK_QUICKSTART
        visibility: 3
        train_params:
        - name: dataset
          type: dataset
          suggest: 1
        - name: dataset
          type: dataset
          suggest: 1
        - name: model_path
          alias: ''
          description: ''
          type: model
          suggest: 1
        follows_anylearn_norm: false
        entrypoint_training: python fashion_mnist.py
        output_training: model-output
datasets: {}
path:
    algorithm:
        anyctl_algo: D:\anyctl-test\resource\cnn
        cli_example_algo:
    dataset: {}