创建极核训练任务
ALab 支持基于当前开通的环境直接创建极核训练任务，实现从开发到生产训练的无缝衔接。您可以将开发环境中验证通过的代码、依赖配置和环境变量一键迁移至分布式训练集群，大幅提升大规模模型训练的效率。
核心优势：
- 一键迁移：开发环境配置自动同步，无需重复配置
- 环境一致：确保开发与训练环境完全一致，避免环境差异导致的问题
- 灵活扩展：支持从单机开发快速扩展到多机分布式训练
- 资源优化：根据训练需求灵活选择计算资源配置
前提条件
在创建极核训练任务前，请确保满足以下条件：
- 已成功开通 [ALab 开发环境]且环境状态为「运行中」；如尚未开通，可参考一键开通完成创建。
- 开发环境中的代码已完成调试并可以正常运行，确保训练任务能够顺利执行。
- 账号具备创建极核训练任务的权限；如权限不足，请联系企业管理员或联系我们获取支持。
- 拥有足够的计算资源配额（DCU 额度及可用 GPU 资源），满足训练任务的资源需求。
创建任务
-
登录九章智算云平台，单击 产品中心/Alaya Lab菜单项，找到目标开发平台，点击其名称链接，进入Alaya Lab平台开发环境页面。
-
在ALab开发环境页面中，选择极核训练页签，单击新建按钮进入训练任务新建页面，如下图所示。
- 配置任务基本信息，参数说明如下：
参数 说明 配置要求 示例 任务名称 必填，自定义训练任务名称，支持中文、字母、数字、下划线 字母开头，支持字母、数字、连字符(-)、下划线(_)，长度应为4-20字符 resnet50-training智算中心 可选，任务运行的算力资源所在数据中心 下拉选择，如北京五区等。不同智算中心提供不同型号的GPU资源和网络环境 - 框架 必选，训练使用的深度学习框架 下拉选择，如 PyTorch、TensorFlow 等。系统会根据选择的框架预装相应的基础环境 - - 单击下一步进入计算资源配置页面，根据智算中心资源情况选择合适的资源，资源状态说明如下。
状态 标识 含义 资源充足 绿色 资源充裕，可立即创建 资源紧张 黄色 资源有限，可能需要排队等待 资源不足 红色 资源暂不可用，建议选择其他规格 提示
- GPU 型号：根据模型规模选择——H800A 适用于大规模分布式训练，L40S 适用于中小规模训练及推理。
- 卡数配置：单卡适合单机训练，多卡（2/4/8）支持数据并行或模型并行加速。
- 实例数量：设置大于 1 时，将启动多机分布式训练集群。
- 计费参考：单价以 DCU/时为单位，实际费用 = 单价 × 实例数 × 运行时长。
- 单击下一步，进入存储与启动配置页面，配置存储与启动命令。
参数 说明 是否必填 备注 存储类型 配置训练任务挂载的存储资源，包括存储类型、存储实例及容器挂载路径，用于数据集读取、代码运行及模型结果保存 是 建议统一挂载至 /root/ALab或/workspace环境变量 用于向训练容器传递运行时参数与系统配置，可用于GPU配置、分布式通信、模型缓存、API鉴权及超参数管理等场景 否 推荐在分布式训练、大模型训练及生产环境中统一使用环境变量管理运行配置 启动命令 用于定义训练任务启动方式，支持命令行或启动脚本形式，可用于单机训练、分布式训练及复杂训练流程编排 是 推荐复杂训练场景使用启动脚本统一管理环境初始化、数据预处理及分布式启动流程 -
参数配置完成后，单击提交按钮，即可完成创建操作。
注意
- 启动命令会在训练容器中执行，请确保路径和参数正确。
- 支持单机训练命令：
python train.py --config config.yaml - 支持分布式训练命令
torchrun --nproc_per_node=8 train.py
查看与管理任务
在 ALab 中查看
- 登录九章智算云平台，单击 产品中心/Alaya Lab 菜单项，找到目标开发环境，点击其名称链接进入ALab开发环境页面。
- 在ALab开发环境页面中，选择 极核训练 页签，可查看基于当前环境创建的所有训练任务，如下图所示。
点击任务名称链接，进入任务详情页面，可查看任务的详细信息、容器组（Pods）、监控以及运行日志，详情请参考任务详情。
在极核训练模块查看
相关文档
更多任务操作详见：
最后更新于
这篇文档对你有帮助吗？