更新时间：2024-05-06 GMT+08:00
使用预置框架简介
如果订阅算法不能满足需求或者用户希望迁移本地算法至ModelArts上训练，可以考虑使用ModelArts支持的预置框架实现算法构建。这种方式在创建算法时被称为“使用预置框架”模式。
以下章节介绍了如何使用预置框架创建算法。
- 如果需要了解ModelArts模型训练支持的预置引擎和模型，请参考预置的训练引擎。
- 本地开发的算法迁移至ModelArts需要做代码适配，如何适配请参考开发自定义脚本章节。
- 通过ModelArts控制台界面使用预置框架创建算法可以参考创建算法章节。
预置的训练引擎
当前ModelArts支持的训练引擎及对应版本如下所示。
不同区域支持的AI引擎有差异，请以实际环境为准。
|
工作环境 |
系统架构 |
系统版本 |
AI引擎与版本 |
支持的cuda或Ascend版本 |
|---|---|---|---|---|
|
TensorFlow |
x86_64 |
Ubuntu18.04 |
tensorflow_2.1.0-cuda_10.1-py_3.7-ubuntu_18.04-x86_64 |
cuda10.1 |
|
PyTorch |
x86_64 |
Ubuntu18.04 |
pytorch_1.8.0-cuda_10.2-py_3.7-ubuntu_18.04-x86_64 |
cuda10.2 |
|
MPI |
x86_64 |
Ubuntu18.04 |
mindspore_1.3.0-cuda_10.1-py_3.7-ubuntu_1804-x86_64 |
cuda_10.1 |
|
Horovod |
x86_64 |
ubuntu_18.04 |
horovod_0.20.0-tensorflow_2.1.0-cuda_10.1-py_3.7-ubuntu_18.04-x86_64 |
cuda_10.1 |
|
horovod_0.22.1-pytorch_1.8.0-cuda_10.2-py_3.7-ubuntu_18.04-x86_64 |
cuda_10.2 |
父主题： 使用预置框架（自定义脚本）
