【OpenBayes 官方教程】数据读写绑定功能

本教程主要为大家介绍怎样在 OpenBayes 上进行数据的绑定以及如何使用已绑定的数据,新朋友点击下方链接注册后,即可获得 4 小时 RTX 4090 + 5 小时 CPU 的免费使用时长哦!

注册链接

注册 - OpenBayes

首先,创建一个新的容器。

然后我们可以看到创建容器的选项中有「绑定数据」这一项。

绑定数据的时候,可以绑定到 2 种目录:

一种叫做数据目录为 /openbayes/input/input[0-4] 这样的目录。绑定到数据目录,可以理解为是一种数据的快捷方式,不需要任何的数据拷贝,在绑定数据之后就可以直接访问,无需额外拷贝时间。

另一种是绑定到容器的工作目录,是指 /openbayes/home 这样的目录。绑定到工作目录,是将指定的数据拷贝到工作目录里边,数据拷贝的速度和数据本身的规模有关且拷贝之后会占用额外的储存空间。

数据绑定的内容可以是私有的数据仓库、公共的数据仓库或历史执行的工作目录。点击右侧的搜索框,可以看到罗列出来的数据类型。

首先,绑定一个私有的数据仓库,然后再绑定一个公共的数据仓库,之后选择工作目录,绑定一个历史的工作目录。

绑定个人的数据仓库时可以选择两种绑定模式:

「只读的绑定」:只有只读的权限,无法对原来的数据进行修改。

「读写绑定」:可以对原来的数据进行修改。

选择好合适的绑定模式后点击右下角的「审核并执行」-「执行」,即可创建容器。容器创建成功后,点击「打开工作空间」。

可以看到,我们指定拷贝到工作目录的数据,已经在左侧导航栏里了。

点击 /home/ 目录旁边的文件夹,可以回到上一级目录。

点击 input 目录就可以看到我们刚绑定的两个额外的数据 input0 和 input1。input0 绑定的是个人的数据集,input1 绑定的另外一个公共数据集。

其中 input0 绑定的就是我自己的一个数据集,叫做 aifood,input1 绑定的是一个公共数据集。

点击「终端」,打开一个新的终端。

可以看到我们默认的工作目录,也是 /openbayes/home 目录,输入命令「ls」就可以看到我们刚提到的工作目录中拷贝的数据。

打开一个新的页面,输入 /openbayesinput/input0 ,则可以看到我们自己的 aifood(个人数据集) 的数据。

若绑定个人数据时选择的「读写绑定」,则可以在这里进行额外的操作:

比如通过「touch」命令创建一个新的文件「abc」,然后再进行「ls」命令,就可以看到这个文件已创建成功。

再通过「cd」命令,切换到 /openbayesinput/input1 目录,可以看到 input1 中也绑定好了我们刚才提到的公共的数据集。

由于这里是只读绑定,我们执行命令「touch abc」的时候,会发现有相关的报错。

为了让大家更好地理解,OpenBaye贝式计算也为大家录制了详细的视频教程,可以点击下方链接查看,快速上手OpenBayes平台!

https://www.bilibili.com/video/BV1MC4y1A72S/?spm_id_from=333.337.search-card.all.click

如在操作上遇到任何问题,欢迎大家添加 OpenBayes001 咨询

相关推荐
whaosoft-1431 分钟前
51c视觉~CV~合集3
人工智能
网络研究院2 小时前
如何安全地大规模部署 GenAI 应用程序
网络·人工智能·安全·ai·部署·观点
凭栏落花侧2 小时前
决策树:简单易懂的预测模型
人工智能·算法·决策树·机器学习·信息可视化·数据挖掘·数据分析
吱吱鼠叔4 小时前
MATLAB计算与建模常见函数:5.曲线拟合
算法·机器学习·matlab
xiandong205 小时前
240929-CGAN条件生成对抗网络
图像处理·人工智能·深度学习·神经网络·生成对抗网络·计算机视觉
innutritious6 小时前
车辆重识别(2020NIPS去噪扩散概率模型)论文阅读2024/9/27
人工智能·深度学习·计算机视觉
醒了就刷牙6 小时前
56 门控循环单元(GRU)_by《李沐:动手学深度学习v2》pytorch版
pytorch·深度学习·gru
橙子小哥的代码世界6 小时前
【深度学习】05-RNN循环神经网络-02- RNN循环神经网络的发展历史与演化趋势/LSTM/GRU/Transformer
人工智能·pytorch·rnn·深度学习·神经网络·lstm·transformer
985小水博一枚呀8 小时前
【深度学习基础模型】神经图灵机(Neural Turing Machines, NTM)详细理解并附实现代码。
人工智能·python·rnn·深度学习·lstm·ntm
SEU-WYL9 小时前
基于深度学习的任务序列中的快速适应
人工智能·深度学习