准备工作

在运行模型训练任务之前，请确认以下工作已经完成：

  • 创建包含适当数量弹性计算资源（ECS 或 GPU 服务器）的容器集群。参见 创建容器集群。
  • 如果您需要使用对象存储服务（OSS）保存用于模型训练的数据，您需要使用相同账号创建 OSS Bucket；然后在上面的容器集群中创建数据卷，用于将 OSS Bucket 作为本地目录挂载到执行训练任务的容器内。参见创建数据卷。

约定

为了方便您的应用代码读取训练数据，输出训练日志，训练卷中的数据会存放在 /input 目录，用户代码需要从该目录中读取数据。

视频教程

操作步骤

  1. 登录 容器服务管理控制台。
  2. 在 Swarm 菜单下，单击左侧导航栏中的 镜像与方案 > 解决方案。
  3. 在 模型开发 框中单击 创建。


  4. 设置创建 Jupyter 环境的基本信息。
    • 集群：所创建模型开发应用将要部署到的集群。本示例中为 EGS-cluster。
    • 应用名：所创建应用的名称。名称可以包含 1~64 个字符，包括数字、英文字符和连字符（-），且不能以-开头。
    • 训练框架：所支持的训练框架包括 TensorFlow，Keras 以及不同 Python 版本。
    • GPU数量：所使用的 GPU 数量，如果为 0 表示不使用 GPU。
    • 数据卷名：指定为用于存储训练数据的数据来源，可以选择对象存储服务在该集群中创建的数据卷的名称；也可以选择本地目录，但要求填写绝对路径；或者选择 不使用数据卷。本示例中使用名为 tfoss 的数据卷。
    • Jupyter密码：登录 Jupyter 所用的密码。
    • 训练监控：是否使用 TensorBoard 监控训练状态；一旦选择监控，请指定训练日志的路径，并保证与训练代码中日志输出的路径一致。
    • 启用SSH登录：选择是否启用 SSH 方法访问服务。勾选此选项后，您需要填写您的 SSH密码。
    说明 有关如何通过 SSH 方法访问服务，参见 通过 SSH 访问 Jupyter 服务。


  5. 设置完毕后，单击 确定。
  6. 在应用列表页面，选择创建的应用， 单击应用名称进去。


  7. 单击 路由列表，可以看到两个链接，分别是以 jupyter 和 tensorboard 开头的链接。


  8. 单击 jupyter 开头的链接，并且输入 jupyter 的密码，就能进入 jupyter 环境。
  9. 单击 tensorboard 开头的链接，查看训练结果。


  10. 分布式存储中的训练数据都存储在本地的 /input 文件夹下，您可以从 /input 下读取数据。