模型训练

一、创建训练

点击“创建训练”进入任务添加页面，各参数解释如下：
任务名：表示该任务的名称且不允许重复；
Python 代码：表示训练所需要的 python 程序的路径地址，支持手动输入、集群文件选取（详见文件搜索章节）、和本地文件上传（详见文件上传章节）等三种输入方式，可以点击“预览”按 钮预览选中的 python 程序（详见文件预览章节）；
Python 参数：表示 python 代码所需要的参数；（选填）
工作空间：表示 python 程序执行时所在的工作目录，可以通过右边的文件夹浏览按钮选择工作空间的地址；
框架版本：表示用来进行训练的镜像版本；
TB 日志路径：表示用于 TensorBoard 的日志文件输出目录，可以通过右边的文件夹浏览按钮选择生成日志所在的文件夹；（选填）
环境变量：表示训练过程中所需要的环境变量，可以通过右边的文件浏览按钮、文件上传按钮进行环境变量文件的集群选取和本地上传；（选填）
任务类型：表示训练任务的提交方式，提交分布式任务选中“分布式”；
实现方式：表示分布式的种类，分为 PS-Worker 分布式和 Horovod 分布式两种方式；
资源分组：表示训练任务使用的资源分组（默认以 GPU 型号作为分组）；
Parameter Server：表示参数服务器节点的数量；
Worker：表示工作节点的数量。
CPU 数量：表示一个 PS 或 Worker 占用的 CPU 数量；
GPU 数量：表示一个 PS 或 Worker 占用的 GPU 数量；
内存：表示一个 Worker 占用的内存大小；
超时限制：表示该 TensorFlow 训练任务所需要的最长运行时间。输入相关参数，点击“运行”按钮进入训练任务的详情页面。

二、管理训练任务

训练任务列表页面显示已经创建过的模型训练任务，分为“任务名称”、“框架版本”、“提交时间”、“持续时间”、“状态”和“操作”六列，其中部分参数含义如下：
提交时间：表示训练任务的创建时间；
持续时间：表示训练任务的运行时长；
状态：表示当前任务的状态，有以下 6 种：“等待”表示训练任务已创建成功，正在等待计算资源，“部署”表示正在部署执行训练的环境，“运行”表示训练任务正在运行，“停止”表示训 练任务终止，“完成”表示训练任务已经完成，“失败”表示训练任务执行失败；
操作：表示的是可进行的操作，可以进行“推理”、“克隆”、“日志”、“原因”、“停止” 和“删除。