训练
本章介绍微调和预训练、训练运行时镜像、TrainJob 和 RayJob 的检查点与恢复、GPU 切分,以及训练作业的配额与调度治理。
本章所依赖的组件列于下方的 Components 中:Kueue 负责队列、配额和抢占,Volcano 和 JobSet 负责批处理编排。训练期间的实验跟踪和模型注册使用 Develop 章节中的 MLflow。
本章介绍微调和预训练、训练运行时镜像、TrainJob 和 RayJob 的检查点与恢复、GPU 切分,以及训练作业的配额与调度治理。
本章所依赖的组件列于下方的 Components 中:Kueue 负责队列、配额和抢占,Volcano 和 JobSet 负责批处理编排。训练期间的实验跟踪和模型注册使用 Develop 章节中的 MLflow。