Estos contenidos se han traducido de forma automática para su comodidad, pero Huawei Cloud no garantiza la exactitud de estos. Para consultar los contenidos originales, acceda a la versión en inglés.

Centro de ayuda/ ModelArts/ Contenedores de Docker con ModelArts/ Uso de una imagen personalizada para entrenar modelos (entrenamiento de modelos)/ Preparación de una imagen de entrenamiento/ Uso de una imagen de base para crear una imagen de entrenamiento

Actualización más reciente 2024-09-14 GMT+08:00

Ver PDF

Uso de una imagen de base para crear una imagen de entrenamiento

ModelArts proporciona las imágenes de base impulsadas por el aprendizaje profundo, como imágenes de TensorFlow, de PyTorch y de MindSpore. En estas imágenes, se ha instalado el software obligatorio para ejecutar los trabajos de entrenamiento. Si el software de las imágenes de base no puede cumplir con los requisitos de servicio, cree nuevas imágenes basadas en las imágenes de base y utilice las nuevas imágenes para crear trabajos de entrenamiento.

Procedimiento

Realice las siguientes operaciones para crear una imagen con una imagen de base de entrenamiento:

Instale Docker. Si se ejecuta el comando docker images, se ha instalado Docker. Si es así, omita este paso.
A continuación se utiliza Linux x86_64 como ejemplo para describir cómo obtener el paquete de instalación de Docker. Ejecute el siguiente comando para instalar Docker:
```
curl -fsSL get.docker.com -o get-docker.sh
sh get-docker.sh
```
Cree una carpeta denominada context.
```
mkdir -p context
```

Obtenga el archivo pip.conf.

[global]
index-url = https://repo.huaweicloud.com/repository/pypi/simple
trusted-host = repo.huaweicloud.com
timeout = 120

Cree una nueva imagen basada en una imagen de base de entrenamiento proporcionada por ModelArts. Guarde el Dockerfile editado en la carpeta context. Para más detalles sobre cómo obtener una imagen de base de entrenamiento, véase Imágenes de base de entrenamiento disponibles.

FROM {Path to the training base image provided by ModelArts}

# Configure pip.
RUN mkdir -p /home/ma-user/.pip/
COPY --chown=ma-user:ma-group pip.conf /home/ma-user/.pip/pip.conf

# Configure the preset environment variables of the container image.
# Add the Python interpreter path to the PATH environment variable.
# Set PYTHONUNBUFFERED to 1 to prevent log loss.
ENV PATH=${ANACONDA_DIR}/envs/${ENV_NAME}/bin:$PATH \
    PYTHONUNBUFFERED=1

RUN /home/ma-user/anaconda/bin/pip install --no-cache-dir numpy

Ejecute el siguiente comando en el directorio donde se almacena el Dockerfile para crear una imagen de contenedor, por ejemplo, training:v1:
```
docker build . -t training:v1
```
Cargue la nueva imagen en SWR. Para más detalles, véase ¿Cómo puedo iniciar sesión en SWR y cargar imágenes en él?.
Utilice la imagen personalizada para crear un trabajo de entrenamiento para ModelArts. Para más detalles, véase Uso de una imagen personalizada para crear un trabajo de entrenamiento basado en CPU o GPU.