获取官方代码文件：

https://gemvideo.blob.core.chinacloudapi.cn/document/dogsVsCatsCode.zip

创建项目：

• 在注册时的空间下，选择创建项目

• 添加镜像和数据集

• 点击创建：

• 点击创建后，会提示是否上传代码，先不上传代码，如下图：

准备代码：

把在第一步下载到本地的代码，上传到项目中，点击上传按钮：

初始化开发环境：

• 点击右上角的”运行代码“按钮，进入初始化开发环境页面：

• 选择计算资源配置：

调试代码：

• 待工具注入成功后，即可进入到开发者工具中 jupyterlab 进行调试代码：

• 在目录树中点击上传的代码：

注意：只能在/gemini/code/目录下编辑和新增代码，其他文件夹输入临时存储，临时存储时开发环境本身运行需占用的存储，代码保存在临时存储中将加速临时存储耗尽，易导致开发环境重启，重启后，保存在临时存储中的代码将丢失。

• 进入终端界面：

• 在终端运行下面命令：

python $GEMINI_RUN/DogsVsCats.py --num_epochs 5 --data_dir $GEMINI_DATA_IN1/DogsVsCats/ --train_dir $GEMINI_DATA_OUT

终端返回如下信息：

测试的准确性为 0.5000，表示该模型几乎没有识别能力。

问题排查：

返回 jupyterlab，查看代码：

• 通过排查代码，发现是数据集送入训练之前没有打乱：

• 修改代码：

把注释删掉，然后 ctrl+s 保存代码，如下图：

• 重新训练：

点击网页终端，再次执行如下代码：

python $GEMINI_RUN/DogsVsCats.py --num_epochs 5 --data_dir $GEMINI_DATA_IN1/DogsVsCats/ --train_dir $GEMINI_DATA_OUT

训练完成后，测试结果如下：

提交离线训练：

可以将当前无 bug 的代码进行离线训练，

• 提交离线训练任务

• 选择镜像和代码版本：

单机新建代码版本，填写版本号：

• 然后单击 右下角的确认，进入提交任务页面，填写如下信息，其他保持默认：

注意：提交任务后，会一直等待中，其原因是个人下面的资源不够，可以把刚开创建的项目关掉

可以点击 训练任务的详情，查看实时训练信息：

结果集存储和下载：

• 导出模型：

查看保存的模型：