示例：使用自定义镜像创建训练作业

本章节仅适用于指导在旧版训练模块中使用自定义镜像功能（旧版训练模块仅对部分存量用户可见，新用户不可见）。新版训练中使用自定义镜像请见训练管理中使用自定义镜像介绍。

本示例所需的文件存储在Github仓库中。本示例使用MNIST数据集，从MNIST官网下载。

“mnist_softmax.py”为单机脚本。

制作并上传自定义镜像

本示例使用Dockerfile文件定制自定义镜像。

以linux x86_x64架构的主机为例，您可以购买相同规格的ECS或者应用本地已有的主机进行自定义镜像的制作。

安装Docker，可参考Docker官方文档。
以linux x86_64架构的操作系统为例，获取Docker安装包。使用以下指令安装Docker：
```
curl -fsSL get.docker.com -o get-docker.sh
sh get-docker.sh
```
如果docker images命令可以执行成功，表示Docker已安装，该步骤可跳过。
获取自定义镜像的基础镜像。
训练作业的自定义镜像需要以基础镜像为基础。基础镜像名称格式参见基础镜像包概述。使用以下指令获取自定义镜像的基础镜像：
```
docker pull swr.<region>.myhuaweicloud.com/<image org>/<image name>
```
另外，您还可以使用docker images命令可查看本地的镜像列表。

编写构建自定义镜像的Dockerfile文件。

本示例构建tensorflow 1.13.2版本镜像。文件命名为“tf-1.13.2.dockerfile”。执行vi tf-1.13.2.dockerfile命令，进入文件中。

Dockerfile文件编写的更多指导内容参见官方指导说明。

FROM swr.cn-north-4.myhuaweicloud.com/modelarts-job-dev-image/custom-base-cuda10.0-cp36-ubuntu18.04-x86:1.1
# 配置华为云的源，安装tensorflow
RUN cp -a /etc/apt/sources.list /etc/apt/sources.list.bak && \
sed -i "s@http://.*archive.ubuntu.com@http://repo.myhuaweicloud.com@g"  /etc/apt/sources.list && \
sed -i "s@http://.*security.ubuntu.com@http://repo.myhuaweicloud.com@g"  /etc/apt/sources.list && \
pip install  --trusted-host https://repo.huaweicloud.com -i https://repo.huaweicloud.com/repository/pypi/simple  tensorflow==1.13.2
# 配置环境变量
ENV PATH=/root/miniconda3/bin/:$PATH

构建自定义镜像。

下列例子中镜像所在的区域为cn-north-4，镜像所属组织为deep-learning-diy，在“tf-1.13.2.dockerfile”文件所在的目录执行：

      
           docker build -f tf-1.13.2.dockerfile . -t swr.cn-north-4.myhuaweicloud.com/deep-learning-diy/tf-1.13.2:latest

推送镜像至SWR，上传镜像的详细操作可参考SWR用户指南。

前提条件是已经创建组织并获取SWR登录指令。下列例子中镜像所在的区域为cn-north-4，镜像所属组织为deep-learning-diy，执行以下命令推送镜像至SWR。

      
           docker push swr.cn-north-4.myhuaweicloud.com/deep-learning-diy/tf-1.13.2:latest

“swr.cn-north-4.myhuaweicloud.com/deep-learning-diy/tf-1.13.2:latest”即为此自定义镜像的“SWR_URL”。

单机训练

将训练代码“mnist_softmax.py”和训练数据上传至OBS。将代码和数据都放在同一代码根目录下，以便直接下载到容器中。
以根目录“obs://deep-learning/new/mnist/”为例：

训练代码文件为“obs://deep-learning/new/mnist/mnist_softmax.py”；

数据存储路径为“obs://deep-learning/new/mnist/mnist_data”。
创建自定义镜像训练作业，“镜像地址”、“代码目录”和“运行命令”参考如下信息填写，“数据存储位置”和“训练输出位置”请根据实际情况填写。
- “镜像地址”：填写已上传镜像的“SWR_URL”。
- “代码目录”：训练代码存储的OBS路径，即为步骤1中的代码根目录。
  在训练作业实际启动之前，ModelArts自动将“代码目录”下的所有内容递归下载到容器本地路径。下载后的容器本地路径为“/home/work/user-job-dir/${代码根目录的最后一级名称}/”。例如“代码目录”选择“obs://deep-learning/new/mnist”时，下载后的本地路径为“/home/work/user-job-dir/mnist/”，代码启动文件为“/home/work/user-job-dir/mnist/mnist_softmax.py”。
- “运行命令”：bash /home/work/run_train.sh python /home/work/user-job-dir/mnist/mnist_softmax.py --data_url /home/work/user-job-dir/mnist/mnist_data
  其中，“/home/work/user-job-dir/mnist/mnist_softmax.py”为代码启动文件，“--data_url /home/work/user-job-dir/mnist/mnist_data”为数据存储路径。
训练作业创建完成后，后台完成代码目录下载、自定义镜像审核以及自定义镜像的训练作业。训练作业一般需要运行一段时间，根据您选择的数据量和资源不同，训练时间将耗时几分钟到几十分钟不等。程序执行成功后，日志信息如下所示。
图1 运行日志信息