创建任务

在智算控制台页面选择“离线训练”，单击“创建AI应用”。

基本信息 

在创建详情页根据需要修改任务基本的信息，比如任务名、任务类型（Pytorch/Tensorflow/Minspore）、命名空间等配置。

配置信息

选择多机训练任务。

选择框架

这里会根据选择的任务类型筛选出所有对应的框架镜像。

选择框架镜像版本，如下所示此演示镜像支持多架构。

选择队列

队列用于限制一组任务所使用的资源。

配置Master

配置Master资源及启动参数等信息，如果需要使用RDMA加速训练则将RDMA资源通过自定义方式进行挂载。

配置Worker

配置Worker资源及启动参数等信息，如果需要使用RDMA加速训练则将RDMA资源通过自定义方式进行挂载

启动参数

启动命令如下：可调整对应训练轮次参数，GPU设置backend为nccl。

python3 /opt/mnist/src/mnist.py --epochs=5 --backend=nccl

Pytorch任务环境变量设置。

PROTOCOL_BUFFERS_PYTHON_IMPLEMENTATION:python

设置完成后，单击“确认”创建训练任务。

查看任务

训练日志

待训练任务状态变为“运行中”时，进入训练任务详情页查看对应的日志和监控。

训练监控

训练结束

训练任务结束后，任务状态会变为“成功”。