AI加速：使用EPL实现AI训练加速

步骤一：代码配置

您可以使用EPL编写TensorFlow分布式训练代码，详情请参见快速开始。

您也可以使用EPL代码示例快速开始分布式TensorFlow训练，本方案使用ResNet-50训练数据配置代码集，您可以使用该代码集提交TensorFlow训练任务，且每次进行模型训练时会自动克隆最新的版本，关于如何配置代码集，具体操作步骤如下所示。

1. 进入代码配置页面。

   1. 登录PAI控制台。

   2. 在左侧导航栏单击工作空间列表，在工作空间列表页面中单击待操作的工作空间名称，进入对应工作空间内。

   3. 在工作空间页面的左侧导航栏选择AI资产管理 > 代码配置，进入代码配置页面。

2. 在代码集管理页面，单击新建代码配置。

3. 在新建代码配置页面配置参数，并单击提交。

   其中Git地址为https://github.com/alibaba/EasyParallelLibrary.git，代码分支为main。其他参数配置详情请参见代码配置。

步骤二：启动训练任务

1. 进入新建任务页面。

   1. 登录PAI控制台。

   2. 在左侧导航栏单击工作空间列表，在工作空间列表页面中单击待操作的工作空间名称，进入对应工作空间内。

   3. 在工作空间页面的左侧导航栏选择模型开发与训练 > 分布式训练（DLC），在分布式训练任务页面中单击新建任务，进入新建任务页面。

2. 在新建任务页面，配置基本信息和任务资源配置，其他参数配置详情，请参见创建训练任务。然后单击提交。

   • 基本信息参数配置如下。

     参数	使用示例值
     资源配额	公共资源组。
     任务名称	自定义训练任务名称。
     节点镜像	选择社区镜像>tensorflow-training:1.15-gpu-py36-cu100-ubuntu18.04。
     框架	TensorFlow。
     代码配置	在在线配置下拉选项中选择在步骤一中配置的代码集。
     代码分支	main。
     执行命令	apt update apt install libnccl2 libnccl-dev cd /root/code/EasyParallelLibrary/ pip install . cd examples/resnet bash scripts/train_dp.sh

   • 任务资源配置参数配置如下所示。

     参数	使用示例值
     节点数量	配置为2。您可以根据实际训练需求配置该参数。
     节点配置	在GPU实例页签选择ecs.gn6v-c8g1.2xlarge。
     最长运行时长	2小时。

3. 在分布式训练任务列表中，单击目标任务名称，进入任务详情页面。在该页面中查看该任务的执行情况。具体操作，请参见查看训练详情。