前提条件

• 确保您已经创建Serverless集群，具体操作请参阅创建Serverless集群 。

• 已开通天翼云弹性文件或对象存储服务，用于存储tensorflow训练结果。

背景信息

TensorFlow是一个开源的机器学习框架，由Google开发和维护。它提供了一个灵活的编程环境，可以用于构建和训练各种机器学习模型，包括神经网络。TensorFlow使用图形计算的方式来表示计算任务，并通过优化技术来实现高效的计算。它支持多种编程语言，包括Python和C++，并且可以在各种硬件平台上运行，包括CPU、GPU和TPU。TensorFlow已经成为机器学习和深度学习领域最受欢迎的框架之一，被广泛应用于各种领域，如图像识别、自然语言处理、推荐系统等。

准备工作

1. 准备训练数据和容器镜像。

   1. 训练数据：本文以Github的一个TensorFlow训练任务为例。

   2. 容器镜像：在最佳实践中，已准备好适用的示例镜像，示例镜像已上传到天翼云容器镜像仓库中。

2. 创建镜像缓存。在ECI控制台的镜像缓存页面手动创建镜像缓存，如下图所示：

创建镜像缓存时需拉取镜像，受镜像大小和网络的影响，需要一定时间。可通过镜像缓存列表页或者镜像缓存详情页查看进度。镜像缓存状态显示ready时，表示镜像缓存已经创建成功。

3. 创建NAS文件系统。在文件存储控制台创建文件系统。NAS文件系统需和ACK Serverless集群处于同一VPC。

操作步骤

1. 创建NAS文件系统对应的PV和PVC。

准备YAML文件。示例static-nas.yaml的内容如下：

apiVersion: v1
kind: PersistentVolume
metadata:
  annotations:
    pv.kubernetes.io/provisioned-by: nas.csi.cstor.com
  name: pvc-pv-static-nas
  namespace: default
spec:
  accessModes:
  - ReadWriteOnce
  capacity:
    storage: 500Gi
  csi:
    driver: nas.csi.cstor.com
    volumeAttributes:
      server: "172.xx.xx.xxx:/mnt/sfs_cap/xxxxxxaa91d_34uhx3bu11i485pg"
    volumeHandle: 0104-0D-pv-static-nas
  mountOptions:
  - vers=3
  - proto=tcp
  - async
  - nolock
  - noatime
  - nodiratime
  - noresvport
  - wsize=1048576
  - rsize=1048576
  - timeo=600
  volumeMode: Filesystem
--- 
apiVersion: v1
kind: PersistentVolumeClaim
metadata:
  annotations:
    volume.beta.kubernetes.io/storage-provisioner: nas.csi.cstor.com
  name: pvc-static-nas
  namespace: default
spec:
  accessModes:
  - ReadWriteOnce
  resources:
    requests:
      storage: 500Gi
  volumeMode: Filesystem
  volumeName: pvc-pv-static-nas

创建pv和pvc。

kubectl create -f static-nas.yaml

2. 创建ECI Pod来运行训练任务。

准备YAML文件。示例tensorflow.yaml的内容如下：

apiVersion: v1
kind: Pod
metadata:
  name: tensorflow
  labels:
    app: tensorflow
  annotations:
    k8s.ctyun.cn/eci-use-specs: "pi7.4xlarge.4"   # 指定GPU规格
    k8s.ctyun.cn/eci-image-cache:   "true"   # 开启自动匹配镜像缓存 
spec:
  restartPolicy: OnFailure
  containers:
    - name: tensorflow
      image: user1-registry-huadong1.crs-internal.ctyun.cn/library/tensorflow:1.0.0
      command:
        - python
      args:
        - /home/classify_image/classify_image.py      # 容器启动后执行训练脚本
      resources:
        limits:
          ctyun.cn/gpu: "1"   # 容器所需的GPU个数
      volumeMounts:             # 挂载NAS，将训练结果持久化存储
        - name: pvc-nas
          mountPath: /tmp/classify_image_model
  volumes:
    - name: pvc-nas
      persistentVolumeClaim:
        claimName: pvc-static-nas

创建Pod。

kubectl create -f tensorflow.yaml

3. 查看训练任务的执行情况。

kubectl get pod

等待ECI实例创建并运行完成，然后就可以到弹性文件中查看训练结果。