版本：3.2

训练平台

训练平台功能详解

1.创建训练任务

本手册以tensorflow单机任务为例子进行说明。
功能说明：用户通过平台提供的训练任务功能，能够自动创建一个新的训练任务，创建成功后自动在训练任务列表展示该任务。
操作步骤：
A：进入训练任务模块，点击页面“创建”按钮，弹出填写任务信息页面，如下图：
B：填写任务详细信息：名称：任务名字（只接受英文字母、数字和下划线，不能以下划线开头）。
镜像：在第一个窗口选择tensorflow框架名称，在第二个窗口选择框架版本。
外部镜像：勾选该选项后，用户可以自定义输入镜像名称。
资源组：选择资源组。
加速卡类型：选择资源组内相应的加速卡类型。
CPU/加速卡：选择worker节点的CPU/加速卡资源配置方案，当配额方案是“自定义”时，会弹出加速卡和CPU窗口，可以自定义设置资源配置方案。
py脚本：点击窗口后第一个按钮，弹出“选择启动文件”窗口，选择tensorflow单机训练脚本，
脚本示例路径：/duangd/models/tensorflow/mnist/tf_mnist_single.py
说明：duangd这个表示用户的家目录，最终以实际的用户名为准。选定后点击确定；
点击第二个按钮，会弹出“选择启动文件标签”窗口，选定后点击确定。“选择启动文件”中有两个子选项，分别为 “历史访问”、“个人数据”。“历史访问”表示以前使用过的启动脚本，展示在此处以便用户选择。“个人数据”表示自己文件中的数据文件。
命令：用户点击下图中方框中的按钮会切换到命令行模式，可以自定义自己的启动命令。
执行目录：选择执行训练脚本的目录，执行目录可以选择自己目录下的任何文件夹。
脚本参数：在“脚本参数”输入框可以输入python脚本所跟随的参数，例如“—data_dir /MNIST_data”
数据集：点击窗口后按钮可以弹出“选择数据集”，选定后点击确定。勾选下方“更新数据集”选项可以在进行训练前更新所选定的数据集。
更新数据集说明：勾选后，平台自动会对缓存的数据集进行识别，如果部分数据集文件发生变化，平台会实现增量更新，如果缓存中没有数据集，会全量下载数据集。如果缓存中的数据集正在使用，则不能进行更新操作。
数据集使用方式说明：有“节点缓存”和“直接使用”两种方式。“节点缓存”表示将数据集缓存到节点，“直接使用”表示使用共享存储中的数据集。
注意：数据集也可以来自于用户目录、公共目录（全局共享和组共享），数据集可以选择多个。数据集示例路径：/MNIST_data
点击“更多配置”可以显示以下信息选项：
内存：配置训练任务worker节点所需要的内存，当设置为0时表示无限制（需要小于worker所在主机目前剩余内存量）
日志路径：训练日志输出路径，点击窗口后的按钮，选择相应路径后点击确定。
目录挂载：可供挂载的公共目录。
shm_size：可以自定义shm_size大小，默认为4GB。
部署类型：训练任务部署类型，选择“单机”。
在右侧区域显示资源组下的节点信息，这里可以自定义运行的节点，比如需要在ainode53上运行该任务，可以直接勾选，这样平台会默认调度到该节点上。节点列表中还可以看到每个节点上资源的情况。如果不选择节点，则平台会自动选择剩余资源满足的节点运行该任务。
C：信息填写完之后，点击“确定”按钮创建任务，任务展示在训练任务列表中：