更新时间：2026-07-17 GMT+08:00
创建并调试训练作业
在AI模型开发过程中，高效的调试环境是确保模型质量的关键环节。传统开发模式中，开发人员需要在本地环境中完成模型调试，再进行云端部署，这一过程往往面临环境配置复杂、资源利用率低等问题。
ModelArts训练作业的调试模式提供了一套完整的云端开发解决方案，有效解决了上述问题。该方案主要包含以下核心功能：
- 云化开发环境支持
- 集成JupyterLab等主流开发工具链，提供开箱即用的云端开发环境。
- 支持本地IDE通过SSH远程连接，在保持开发习惯的同时实现云端调试。
- 灵活的调试方式
- 提供分布式算法调试能力，满足复杂模型开发需求。
- 调试完成的代码可无缝衔接创建生产训练作业，实现开发到生产的快速转换。
- 便捷的资源管理
- 云上调试环境即开即用，无需关注安装配置。
- 本地IDE调试模式下，调试完成的代码无需改动即可迁移至生产环境。
通过以上功能，ModelArts训练作业的调试模式为开发人员提供了高效、灵活的云端开发体验，显著提升了模型开发效率和质量。
约束限制
仅在资源配置为专属资源池时支持调试训练作业功能。
前提条件
- 已经将用于训练作业的数据上传至OBS目录。
- 已经在OBS目录下创建了至少1个空的文件夹，用于存储训练输出的内容。
ModelArts不支持加密的OBS桶，创建OBS桶时，请勿开启桶加密。
- 由于训练作业运行需消耗资源，为了避免训练失败请确保账户无欠费。
- 确保使用的OBS目录与ModelArts在同一区域。
- 检查是否配置了访问授权。如果未配置，请参见快速配置ModelArts委托授权完成操作。
- 已经上传镜像到SWR服务中，具体操作请参见如何登录并上传镜像到SWR。
- 已经准备好训练作业的专属资源池。如需新建资源池请参见创建资源池。
调试流程
- 如果打开JupyterLab开关，请参考NoteBook的使用JupyterLab在线开发和调试代码，调试流程一致。
- 如果打开SSH 远程开发开关，请参考SSH远程开发完成连接训练作业并调试。
父主题： 调试训练作业
