Kubeflow Trainer 快速入门
使用 Kubeflow Trainer v2 在 Alauda AI Platform 上搭建最精简的分布式 PyTorch 训练环境:自定义运行时镜像、ClusterTrainingRuntime 和 MNIST 示例 Notebook。
运行时镜像
使用预构建镜像 alaudadockerhub/torch-distributed:v2.9.1-aml2,或基于此 torch_distributed.Containerfile 自行构建:
ClusterTrainingRuntime
以集群管理员身份应用此 kf-torch-distributed.yaml。Pod 规范已针对 Alauda AI Platform 的默认 PSA 进行了收紧。
运行示例 Notebook
Notebook 会安装 Python 软件包并下载 MNIST,因此工作台需要具备出站网络访问权限。
下载 kubeflow-trainer-mnist.ipynb 并上传到工作台,然后按照其中的说明提交 TrainJob。
有关 Trainer v2 功能的背景信息,请参阅 Kubeflow Trainer 上游文档。