保存Notebook镜像并复用

约束限制

• 仅支持保存处于“运行中”状态的Notebook实例镜像，保存镜像一般需要3~10分钟，实例状态会处于“镜像保存中”。
• 使用专属资源池创建的Notebook才支持保存镜像。
• 保存的镜像可在CloudRobo空间资产/镜像管理中查看，保存的镜像可用于训练。
• 保存的镜像中不会包含持久化存储挂载目录（/home/ma-user/work）下的文件和数据。
• Notebook实例连接可能会暂时中断，镜像保存操作完毕即可恢复。

保存Notebook镜像

1. 登录CloudRobo控制台。
2. 在左侧导航栏中单击“模型开发 > Notebook”，进入“Notebook”页面。
3. 在Notebook列表找到目标Notebook实例，单击对应“操作”列的“保存镜像”。
4. 在“保存镜像”界面，按照界面提示输入参数。
   • 所属组织：选择镜像所属的组织名称。组织在容器镜像服务（SWR）中用于隔离镜像仓库，若没有合适的组织，可单击“前往 SWR 创建”。
     

     保存专属资源池的Notebook镜像时，需要选择镜像组织，保存公共资源池的Notebook镜像时，无需选择镜像组织。

   • 镜像名称：输入保存的镜像名称，只能由小写英文字母、数字、下划线（_）、连字符（-）组成。
   • 镜像版本：输入保存的镜像版本。
   • 应用场景：设置保存镜像应用场景，支持模型训练和Notebook两种应用场景，应用场景可多选。
   • 描述（可选）：输入保存的镜像相关描述。

5. 填写完成后单击“确定”，等待镜像保存完成。
   图1 保存镜像页面
   

使用保存的镜像新建Notebook

1. 登录CloudRobo控制台。
2. 在左侧导航栏中单击“模型开发 > Notebook”，进入“Notebook”页面。
3. 单击“创建Notebook”，在镜像选择处选择“空间资产-镜像”，选择之前保存的自定义镜像。
4. 配置其他参数后单击“立即创建”。

   创建成功后，打开新的Notebook实例，检查是否存在修改后的算法和文件，确认镜像保存成功。

   图2 使用自定义镜像创建Notebook
   

使用保存的镜像创建模型微调训练作业

保存的镜像也可用于创建模型微调训练作业。在创建训练作业时，在镜像配置处选择“空间资产-镜像”，选择之前保存的自定义镜像即可。如下操作以“模型调优”PI05为例：

1. 登录CloudRobo控制台。
2. 在左侧导航栏中单击“模型开发 > 模型训练”，进入“模型训练”页面。
3. 单击右上角“创建训练作业”，进入“创建训练作业”界面。
4. 请参考以下内容配置参数，其余参数保持默认或者按照实际自行调整。

   基础信息

   • 服务名称：输入自定义服务名称。
   • 描述：输入服务描述。

   训练配置

   • 训练方法：选择“模型调优”。
   • 模型：选择“空间资产-模型”，在弹出来的弹窗内选择保存模型产物章节中保存的模型。
   • 算法：选择“现在配置”。
   图3 训练配置
   

   环境配置

   • 输入模型本地目录：模型挂载到容器中的目录，与后续启动命令中基模型配置路径保持一致，可用默认值。
   • 镜像：选择“空间资产-镜像”，选择保存Notebook镜像章节中保存的自定义镜像。
   • 启动命令：根据模型类型填写对应的启动命令，具体参考LeRobot模型训推命令参考。

   PI05启动命令示例：

   conda activate lerobot-pi && cd /opt/cloud/lerobot_ascend_notebook/lerobot && HF_HOME=/home/ma-user/.cache/huggingface/hf_cache HF_HUB_OFFLINE=1 TRANSFORMERS_OFFLINE=1 accelerate launch --num_processes=${MA_NUM_GPUS} scripts/train.py --policy.type=pi05 --output_dir=/home/ma-user/modelarts/result/_ckpt --dataset.root=${DATASET} --dataset.repo_id=cloudrobo 
   --policy.push_to_hub=false --wandb.enable=true --wandb.mode=offline --policy.normalization_mapping='{"ACTION": "MEAN_STD", "STATE": "MEAN_STD", "VISUAL": "IDENTITY"}' --policy.pretrained_path=/home/ma-user/cloudrobo/input-models/model-0 --policy.gradient_checkpointing=true

   • 本地代码目录：可用默认值，不用修改。
   图4 环境配置
   

   资源配置

   • 资源池：选择“公共资源池”或“专属资源池”。
   • 实例规格：根据实际资源选择规格，推荐选择2 * SNT9B2 | 48 vCPUs | 384 GiB。
   图5 资源配置
   

   超参配置

   添加模型训练需要的超参，最后会通过--key=value的形式拼接到启动命令后面，也可以直接在启动命令中编写。

   图6 超参配置
   

   环境变量

   根据训练实际情况填写，非必选项。

   输入输出

   • 输入：输入训练所需要的数据集并赋值给“DATASET”环境变量。
   • 输出：可以不填写，训练后的产物保存到训练产物中。
   图7 输入输出设置
   

   训练产物

   • 保存方式：选择“新模型”或“已有模型新版本”
   • 训练产物本地路径：容器内模型存在该路径下，平台会自动上传OBS并保存为平台空间资产，与启动命令中输出路径保持一致。
   • 模型名称：输入保存的模型名称。
   • 模型版本号：输入保存的模型版本号。
   图8 训练产物配置
   

5. 完成参数配置后单击“立即创建”，开始训练作业。