原因

打算研究下AI，以便不那麼落後於這個時代，但是看了看，搞一個能支援AI演算法的顯示卡就要天文數字。所以找到了阿里雲的PAI平臺，打算跑跑自己寫的演算法，採坑無數，搞了兩天才搞定。

基本流程

踩過的坑（需要注意事項）

資料檔案

自己寫的python程式碼本身讀取資料和儲存模型都在本地，可能做了硬編碼，如果要遷移到阿里雲，需要從OSS上讀寫檔案。那麼需要做下修改

1、 首先需要設定一個讓獲得阿里雲關於OSS配置的引數

if __name__ == '__main__':
        parser = argparse.ArgumentParser()
        parser.add_argument('--buckets', type=str, default='',help='input data path')
        parser.add_argument('--checkpointDir', type=str, default='',help='output model path')
        FLAGS, _ = parser.parse_known_args()
 

2、在程式中這樣獲得資料檔案和模型儲存的位置

tfrecords_file = os.path.join(FLAGS.buckets, "post_train.tfrecords")
        
        checkpoint_path = os.path.join(FLAGS.checkpointDir, 'model.ckpt')

關於編碼

這個搞了很久老失報錯有不合法程式碼，在每個檔案頭部加上# encoding: utf-8

檔案分目錄

這個問題也讓我抓狂很久，我寫的時候，比較隨意，把資料檔案，模型檔案和python寫一個資料夾下面了，到了阿里雲就很難跑起來。後來把程式碼放在一個單獨的資料夾，資料檔案一個資料夾，然後給checkpoint和模型單獨一個資料夾。

多程式碼檔案一定要打包

多個程式碼檔案，需要打包成.tar.gz的格式，進行上傳

一定要在tensorflow的節點前面先選擇一個讀OSS_bucket的節點：

具體如下