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。

表1 训练作业支持的AI引擎

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