# MANTA主网矿机部署文档 ### 一、 MANTA部署简介 MANTA是依托于matrix主链的分布式自动机器学习平台，这个平台是一个基于分布式技术加速的自动机器学习（AutoML）应用及其部署系统，通过AutoML网络搜索算法搜索一个高精度、低延迟的深度模型，并利用分布式计算技术进行搜索加速。当前MANTA可以部署到matrix矿机上，也可以单独部署。服务部署好后通过公网IP地址加端口8502访问软件中训练的web服务。当MANTA开发商业运营时，MANTA服务平台会登记用户的公网IP和钱包地址，并分配一定的学习任务，然后根据完成的任务按照钱包地址进行奖励发放。 ### 二、矿机硬件配置要求 CPU：Intel Xeon 系列，2.0GHz 以上主频，核心数目 8 个以上 GPU：Nvidia Pascal 或以上架构，显存不小于 12GB 网络：内网带宽大于 10Gbps，外网带宽大于 10Gbps 硬盘：至少 700G SSD 硬盘，500G用于存储Matrix主网数据，200G用以存储模型和训练日志内存：32GB 以上网络配置：服务器允许被公网访问，访问地址示例：http\://{IP}:8052，其中 IP 为部署服务器的对公可访问地址。 ### 三、分布式自动机器学习 Web 服务配置 1\. 训练数据集准备该项目主要会用到两个数据集，分别用于图像分类和双目视差估计模型的训练。 • 图像分类：ImageNet 网络连接（（参考链接：（1）数据集下载数据集官网：

如果是图像识别任务的话，下载这两个就可以了。 Training images (Task 1 & 2) （ Validation images (all tasks) （（2）数据集处理已经下载了两个数据集，一个是训练集，一个是验证集，现在就要把这数据集整理成可以供模型直接加载的形式。首先解压 ILSVRC2012\_img\_train.tar 到 train，里边包含 1000 个小的 tar 压缩包，每一个对应一类的图片（压缩包的名称就代表这一类，不要修改），所以再将他们都解压成文件夹就好了。先解压 “ mkdir train tar xvf ILSVRC2012\_img\_train.tar -C ./train “ 因为数量多，写个脚本 unzip.sh 如下

添加可执行权限，执行一下 “ chmod +x ./unzip.sh ./unzip.sh “ 由于压缩包 ILSVRC2012\_img\_train.tar 比较大，处理后可以删除了。可以直接把 train.tar 先移动到 train 中，再进行操作。最终训练集形式：

验证集比较简单，只有 50000 张图片，直接解压 ILSVRC2012\_img\_val.tar 就可以。但是为了后续的使用，也需要把这些图片分成 1000 类（创建 1000 个文件夹，把对应类的图片放进去，与训练集结构保持一致）。先解压 “ mkdir val tar xvf ILSVRC2012\_img\_val.tar -C ./val ” 进入 val，下载脚本，执行 “ cd val wget -qO- chmod +x ./valprep.sh ./valprep.sh rm valprep.sh “ 最终验证集形式：

数据集处理后格式： ![](https://2664391676-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FT5LtcFS1DoKk05KGaZdm%2Fuploads%2FcZ25n4iid4zBtOScQhFa%2Fimage.png?alt=media\&token=b8a4e634-57c6-4553-bb21-bd63484a8c04) • 双目视差估计：SceneFlow 网络链接：() 下载页面中这六个数据集并解压：

下载完数据后，分别按照以下方式修改路径，以便于被 Web 服务识别到（1） ImageNet /mnt/imagenet \| \|--train \|--val （2） SceneFlow /mnt/SceneFlow \| \|--FlyingThings3D \|--Monkaa \|--Driving 2\. 训练 Web 服务启动 Ø 下载dist-automl，下载链接如下： Ø 解压dist-automl 命令：Unzip -d dist-automl Ø 进入 dist-automl 目录命令：cd dist-automl Ø 安装项目依赖的 python 库命令：pip install -r requirements.txt Ø 运行服务启动命令命令：streamlit run training\_manager.py 终端显示如下内容：

表明服务已经运行成功，将图中红框部分替换成部署服务器的公网 IP，即可通过该地址访问到该软件中的训练 Web 服务。同时可以将部署好的服务提供到主网络分布式自动机器学习服务。

## MANTA加入MAN钱包的说明下载最新版dist\_automl1.1.zip，下载链接：一、生成自己MANTA钱包通过官网钱包生成钱包，自己妥协保存私钥或者keystore+密码或者足记词。二、 MANTA服务器运行加密钱包程序 ![](https://2664391676-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FT5LtcFS1DoKk05KGaZdm%2Fuploads%2F35f8YX8jiS6UasCXKlEq%2F%E5%9B%BE%E7%89%87%201.png?alt=media\&token=653cac21-1e15-44c3-b179-f23996237278) (1)将钱包地址复制到输入框，点击加密 (2)记录生成的密码和密文，并通过邮件密码和密文发送到\*\*@matrix.io邮箱三、将密文复制到项目目录的Wallet\_info.md中

四、启动web\_service查看钱包启动服务：streamlit run web\_service.py 输入密码，查看钱包信息