创建训练任务
更新时间：2025-06-20
前提条件
创建任务前，请确保您已成功创建资源池。详情请参见创建资源池。
操作步骤
- 登录百舸异构计算平台AIHC控制台。
- 进入训练任务列表页面，点击创建任务。
基本信息
训练任务的基础信息
| 参数 | 说明 |
|---|---|
| 任务名称 | 填写任务的名称。支持小写字母、数字以及 - 且开头必须是小写字母，结尾必须是小写字母或数字，长度1-50字符 |
| 可见范围 | 选择任务的可见范围，支持队列内可见和仅创建人可见。 队列内可见：队列管理员和成员可见任务 仅创建人可见：仅队列管理员及创建⼈可⻅ |
| 任务创建方式 | 选择 自定义创建 或 基于开源模型训练模版创建 自定义创建：自定义训练镜像以及参数的场景 基于开源模型训练模版创建：平台预置开源模型的训练镜像代码，可直接使用。 |
| 参数 | 说明 |
|---|---|
| 镜像地址 | 填写训练的镜像，您可以直接输入镜像地址或者点击选择镜像，目前支持CCR企业版镜像和百舸预置镜像。更多信息，请参考容器镜像服务CCR。 |
| 执行命令 | 指定代码的执行命令 |
| 添加环境变量 | 添加环境变量，支持配置多个 |
基于开源模型训练模版创建
| 参数 | 说明 |
|---|---|
| 镜像地址 | AIAK训练加速模版预置默认的训练镜像，不支持修改 |
| 执行命令 | AIAK训练加速模版提供默认的参数，需要将数据集、CHECKPOINT、TOKENIZER以及Tensorboard的PATH替换成用户自定义路径 |
| 环境变量 | AIAK训练加速模版提供默认的环境变量，不建议修改 |
执行命令中需要替换的参数如下：
Plain Text
1DATA_PATH=$USER_DATA_PATH
2CHECKPOINT_LOAD_PATH=$USER_CHECKPOINT_LOAD_PATH
3CHECKPOINT_SAVE_PATH=$USER_CHECKPOINT_SAVE_PATH
4TOKENIZER_PATH=$USER_TOKENIZER_PATH
5TENSORBOARD_PATH=$TENSORBOARD_PATH您如果需要对模型参数做进一步修改，可以在执行命令中直接修改提交。
资源配置
| 参数 | 说明 |
|---|---|
| 资源池类型 | 选择全托管资源池和自运维资源池 |
| 资源池/队列 | 选择任务部署的资源池和队列信息 |
| 优先级 | 选择任务优先级，支持设置为高、中、低 |
| 实例数 | 设置训练任务实例数 |
| 训练框架 | 当前支持PyTorch、MPI和TensorFlow训练框架 |
| 资源配额 | 填写任务的实例数量以及规格，支持设置实例申请的GPU类型/数量、CPU内存。如不申请GPU，则GPU数量可填写为0 |
| 共享内存 | 共享内存（shared memory）用于Linux中不同进程之间数据交换和共享，以提高应用程序的性能和效率。百舸平台上共享内存默认为10Gi，如业务有额外需求，可以按需修改 |
| RDMA | 开启后系统将自动调度任务到支持RDMA的节点上 |
| 数据集挂载 | 支持选择数据集挂载 |
| 存储挂载 | 当前支持并行文件存储 PFS、文件存储 CFS以及对象存储BOS，自运维资源池额外支持本地盘 |
| 最大运行时长 | 您可以设置任务运行的最长时长，在完成配置后，超过该时长的任务将停止运行。默认不限制运行时长。 |
| 任务退出自动删除 | 配置任务的自动回收策略。开启后，仅针对于成功/失败状态的任务生效，您可以自定义配置保留时长 |
| 指定节点调度 | 支持指定节点运行任务 |
| 定时提交 | 您可以选择开启定时提交选项以便在指定时间自动提交训练任务，您只能设置当前时间之后的提交时间，默认为不开启定时提交任务。 |
容错与诊断
| 参数 | 说明 |
|---|---|
| 自动容错 | 开启训练容错。详见：训练容错 |
监控信息
| 参数 | 说明 |
|---|---|
| Tensorboard | 为该任务开启Tensorboard。开启后需要指定日志存储路径（当前仅支持PFS）。该路径需要与代码中的Tensorboard日志路径保持一致，否则Tensorboard无法获取数据。详见：训练效果监控Tensorboard |
| 告警 | 百舸平台针对于训练任务的状态，提供了告警通知的机制，提供短信/邮件/微信/飞书以及自定义webhook的通知方式。详见：配置任务的消息通知 |
| 日志持久化 | 开启日志持久化功能会将您的任务日志持久化保存到日志服务（BLS）中，日志存储、读取、写入和索引会产生费用，详情参考价格详情。 |
提交任务
确认参数，然后单击提交，即可完成任务创建。