参考本节提交分布式离线训练任务，训练完成后即释放占用的计算资源。
如果您的分布式训练框架使用的是 Horovod 或者 OpenMPI，建议选择 horovod/mpi 模式，可提高您训练任务的效率。 该模式下，多任务角色只需一条启动命令。

说明 任务实例中，会添加一个名为 net1 的网卡，该网卡是专用于训练网络平面，一般连接的是高性能网卡。这种情况下，需要您在 启动命令 中通过如下方式设置网卡使得 NCCL 能正确的选择网卡，否则可能会出现任务执行异常的情况。 如使用的是 horovodrun，则在启动命令中增加 --network-interface=net1 来指定网卡名。 如果使用的是 mpirun，则在启动命令中增加 -x NCCL_SOCKET_IFNAME=net1 来指定网卡名。

• 前提条件
• 操作步骤
  • 1. 进入 “提交训练任务” 页面
  • 2.填写任务信息
  • 3. 提交任务

前提条件

• 您的账户下配额剩余量足够。
• 您的模型训练代码是支持分布式的。
• 项目中已挂载数据。
• 项目中已添加预训练模型。
• 项目中已保存了稳定的可用于离线训练的代码版本。

操作步骤

1. 进入 “提交训练任务” 页面

1. 在平台首页，左侧导航栏中选择 项目。
2. 单击目标项目卡片，进入该项目的 代码预览 页。
3. 在左侧导航栏中选择 训练，进入 训练任务 页面。
4. 单击右上角 提交任务 按钮，进入任务配置页面。

2.填写任务信息

您可参考如下说明，填写任务信息。

• 训练任务名称

  不可超过 64 个字符。

• 任务模式

  选择 分布式 Horovod/Mpi 任务。

  说明：将一个任务在多个实例中运行，从而达到多机多卡的训练效果。可添加任务角色，任务角色代表不同的 AI 训练目标，每个任务角色可以拥有不同的计算资源配置。

• 资源配置

  1. 在 任务角色1 中配置该角色的 实例个数、实例规格。

     • 实例个数
       可理解为参与训练的机器数，比如可配置为 3。
     • 实例规格
       配置单个实例的资源，各资源的配置说明可参考 资源配置。

  2. （可选）单击 任务角色1 旁的 + 号，新增任务角色。 如果任务不涉及多个任务角色，则无需执行本步骤及下一步。

  3. （可选）为 任务角色2 设置 实例个数、资源配置 和 启动命令。

• 启动命令

  参考 启动命令 填写。

• 挂载数据

  参考 挂载数据 添加。

• 预训练模型

  参考 预训练模型 添加。

• 代码版本

  参考 代码版本 添加。

• 工作镜像

  参考 工作镜像 选择。

• 最长运行时间

  参考 最长运行时间 设置。

• 任务失败重试

  参考 任务失败重试 设置。

• 任务备注

  可以填写任务目标等信息，便于算法工程师跟踪了解任务，不超过 100 个字符长度，提交后仍可修改备注信息。

3. 提交任务

单击 提交 按钮。