提交训练作业
使用PyCharm ToolKit（latest版本）工具，可以快速将本地开发的训练代码，提交至ModelArts侧进行训练。
前提条件
- 在本地PyCharm中已有训练代码工程。
- 已在OBS中创建桶和文件夹，用于存放数据集和训练输出模型。 训练作业使用的数据已上传至OBS。
- 已配置credential，详细请参考使用访问密钥登录。
配置训练作业参数
- 在PyCharm中，打开训练代码工程和训练启动文件，然后在菜单栏中选择“ModelArts > Training Job > New...”。
图1 选择作业配置
- 在弹出的对话框中，设置训练作业相关参数，详细参数说明请参见表1。
表1 训练作业配置参数说明 参数
说明
Job Name
训练作业的名称。
系统会自动生成一个名称，您可以根据业务需求重新命名，命名规则如下：
- 支持1~64位字符。
- 并包含大小写字母、数字、中划线（-）或下划线（_）。
Job Description
训练作业的简要描述。
Algorithm Source
训练算法来源，分为“常用框架”和“自定义镜像”两种，二者选一项即可。
常用框架指使用ModelArts训练管理中支持的常用AI引擎。
如果您使用的AI引擎为支持列表之外的，建议使用自定义镜像的方式创建训练作业。
AI Engine
选择代码使用的AI引擎及其版本。
Boot File Path
训练启动文件，所选启动文件必须是当前PyCharm训练工程中的文件。当“Algorithm source”选“Frequently-used”时，显示此参数。
Code Directory
训练代码目录，系统会自动填写为训练启动文件所在的目录，用户可根据需要修改，所选目录必须是当前工程中的目录且包含启动文件。
当算法来源为自定义镜像，训练代码已预置在镜像中时，该参数可以为空。
Image Path(optional)
SWR镜像的URL地址。
Boot Command
启动本次训练作业的运行命令。例如“bash /home/work/run_train.sh python {python启动文件及参数}”。当“Algorithm source”选“Custom”时，显示此参数。
当用户输入的命令中不包含“--data_url”和“--train_url”参数时，工具在提交训练作业时会在命令后面自动添加这两个参数，分别对应存储训练数据的OBS路径和存放训练输出的OBS路径。
Data OBS Path
设置为存储训练数据的OBS路径，例如“/test-modelarts2/mnist/dataset-mnist/”，其中“test-modelarts2”为桶名称。
Training OBS Path
设置OBS路径，该路径下会自动创建用于存放训练输出模型和训练日志的目录。
Running Parameters
运行参数。如果您的代码需要添加一些运行参数，可以在此处添加，多个运行参数使用英文分号隔开， 例如"key1=value1;key2=value2"。此参数也可以不设置，即保持为空。
Specifications
训练使用资源类型。目前支持公共资源池和专属资源池两种类型。
专属资源池规格以“Dedicated Resource Pool”标识。只有购买了专属资源池的用户才会显示专属资源池规格。
Compute Nodes
计算资源节点个数。数量设置为1时，表示单机运行；数量设置大于1时，表示后台的计算模式为分布式。
Available/Total Nodes
当“Specifications”选择专属资源池规格时，显示专属资源池的可用节点数和总节点数，用户选择“Compute Nodes”的个数不要超过可用节点数。
图2 配置训练作业参数（公共资源池）
图3 配置训练作业参数（专属资源池）
图4 配置训练作业参数（自定义镜像）
- 参数填写完成后，单击“Apply and Run”，即自动上传本地代码至云端并启动训练，在工具下方的Training Log区域，会实时展示训练作业运行情况。当训练日志中出现“Current training job status: Successful”类似信息时，表示训练作业运行成功。
- 在单击“Apply and Run”按钮后，系统将自动开始执行训练作业。如果您想停止此作业，可以选择菜单栏中的停止此作业。
- 如果单击“Apply”，不会直接启动运行，只是保存训练作业的设置，如果需要启动作业，可以单击“Apply and Run”。
图5 训练日志展示样例
