- L实例-2C2G2M
- L实例-2C2G3M
- L实例-2C2G4M
活动对象：
（1）新用户专享：华为云官网已完成注册和实名认证，且从未购买过华为云资源的用户（客户等级是V0）可购买；
（2）企业新客专享：仅从未购买过华为云资源（客户等级V0），且已完成企业实名认证用户可购买；
（3）产品新客专享：华为云官网已完成注册和实名认证的用户，且从未购买过华为云当前云产品资源的用户可购买（未限制产品等级）；
（4）新老用户同享：华为云官网已完成注册和实名认证的用户可以购买；
（具体用户范围以届时活动页面展示为准）
活动时间：
2024年5月31日-2024年6月30日（活动期间如有调整，以届时活动页面展示为准）
每天9点限量开抢，售完即止
续费同价说明：
（1）参与条件：Flexus L实例2核2G4M 98元/年，Flexus L实例2核4G5M 188元/年为续费同价优惠产品，参与条件为：新用户专享，新购、续费同价，每个配置限新购1次，续费1次；
（2）续费说明：下单购买后，系统将自动赠送一张续费代金券至费用中心-优惠折扣，预计续费代金券到账时间5分钟左右。Flexus L实例2核2G4M 98元/年 续费代金券面额为满700元减652.2元，Flexus L实例2核4G5M 188元/年续费代金券面额为满1030元减892.2元，续费该实例时勾选代金券，则可以实现续费同价优惠，续费代金券有效期为自购买日起1年内有效，请于代金券有效期内完成续费，代金券过期后不予补发；
（3）退订说明：下单购买该实例后，系统将自动锁定订单，不允许退订；若客户需要退订新购订单，且续费代金券未使用的情况下，可以申请退订，退订时系统将回收未使用的续费代金券，退订费用请查看华为云官网规则说明；若续费代金券已使用，则该实例的新购及续费订单均不可退订；
购买说明：
（1）新用户专享套餐同一用户限购一单，具体台数以活动页面为准；
（2）同一用户规则：同一用户是指根据不同华为云账号在注册、登录、使用中的关联信息，华为云判断其实际为同一用户。包括但不限于下述情形：具备同一证件号（比如身份证号/护照ID/海外驾照ID/企业唯一识别号等）、域名持有者为同一主体（如同一个人、企业等主体）、同一手机号、同一设备、同一IP地址等；
（3）套餐配置：
①云服务器每款默认配置1个公网IP，高IO或通用型SSD 40G系统盘（部分特价机型仅高IO 40G系统盘；Flexus应用服务器L实例系统盘为高IO，规格大小以下单页显示为准）；数据盘有高IO和通用型SSD可选（Flexus应用服务器L实例数据盘为通用型SSD V2），西南-贵阳一和华北-北京一数据中心是静态BGP带宽，其他数据中心配置全动态独享BGP带宽；（以上配置仅供参考，具体配置以下单页面为准）
②本页面促销的国内云服务器购买完成后，如需切换镜像版本，可在控制台内进行切换操作；
②本页面促销的国内及境外云服务器的Windows镜像暂不支持包周期转按需操作；
③境外云服务器，重装系统不支持Linux与Windows互相切换；
④新用户专区region（不含出海云服务器，最终结果以下单页面为准）：
不同区域的云服务产品之间内网互不相通。所购买的相关产品请位于同一区域内，且就近选择靠近您业务的区域，有助于降低业务运行产生异常的风险，减少网络时延，提高访问速度；
（4）续费变更：
促销价仅适用于购买活动页面套餐，续订变更套餐价格（含升配降配）以当期目录价为准，促销价在该场景下不适用，用户选择升配或降配包周期产品前，具体场景或解释说明，请您浏览阅读《变更资源费用说明》
（5）关联账号说明：
关联模式为财务托管的企业认证账号（即财务托管子账号）不具备交易属性，不参与华为云官网活动等相关交易；关联模式为财务独立的企业认证账号可以参与华为云官网活动等相关交易。
为保证活动的公平公正，华为云有权对实施下述行为的用户采取收回套餐使用资格或者活动优惠资格的措施，且华为云亦有权针对异常账号采取限制措施：
1）华为云有合理理由相信用户存在恶意刷取活动资源的行为（“恶意”是指为获取资源而异常注册账号等破坏活动公平性的行为）；
2）华为云有合理理由相信用户存在利用资源从事违法违规的行为；
华为云保留对活动规则进行调整的权利，包括但不限于活动规则、产品价格、产品类型、产品数量、产品配置等，请以购买时相关页面的最新展示内容为准。
所有参加本活动的华为云注册用户，已认可并同意遵守《华为云用户协议》及通过援引的形式加入的附件，包括《可接受的使用政策》，《隐私政策声明》
-
Tensorflow训练
![]()
Tensorflow训练 Kubeflow部署成功后，使用ps-worker的模式来进行Tensorflow训练就变得非常容易。本节介绍一个Kubeflow官方的Tensorflow训练范例，您可参考TensorFlow Training (TFJob)获取更详细的信息。 创建MNIST示例
来自：帮助中心 -
训练基础镜像详情（TensorFlow）
![]()
训练基础镜像详情（TensorFlow） 介绍预置的TensorFlow镜像详情。 引擎版本：tensorflow_2.1.0-cuda_10.1-py_3.7-ubuntu_18.04-x86_64 镜像地址：swr.{region}.myhuaweicloud.com/aip
来自：帮助中心 -
使用Tensorflow训练神经网络
![]()
使用Tensorflow训练神经网络 应用场景 当前主流的大数据、AI训练和推理等应用（如Tensorflow、Caffe）均采用容器化方式运行，并需要大量GPU、高性能网络和存储等硬件加速能力，并且都是任务型计算，需要快速申请大量资源，计算任务完成后快速释放。本文将演示在云容器
来自：帮助中心 -
推理基础镜像详情TensorFlow（CPU/GPU）
![]()
推理基础镜像详情TensorFlow（CPU/GPU） ModelArts提供了以下TensorFlow（CPU/GPU）推理基础镜像： 引擎版本一：tensorflow_2.1.0-cuda_10.1-py_3.7-ubuntu_18.04-x86_64 引擎版本二： tensorflow_1
来自：帮助中心 -
ModelArts支持哪些AI框架？
![]()
，预置AI引擎TensorFlow2.1 CPU/GPU 是 是 tensorflow1.13-cuda10.0-cudnn7-ubuntu18.04 GPU通用算法开发和训练基础镜像，预置AI引擎TensorFlow1.13.1 GPU 是 是 conda3-ubuntu18.04
来自：帮助中心 -
获取训练作业支持的AI预置框架
![]()
"cpu_image_url" : "aip/tensorflow_2_1:train", "gpu_image_url" : "aip/tensorflow_2_1:train", "image_version" : "tensorflow_2.1.0-cuda_10
来自：帮助中心 -
示例：从0到1制作自定义镜像并用于训练（Tensorflow+GPU）
![]()
示例：从0到1制作自定义镜像并用于训练（Tensorflow+GPU） 本章节介绍如何从0到1制作镜像，并使用该镜像在ModelArts平台上进行训练。镜像中使用的AI引擎是Tensorflow，训练使用的资源是GPU。 本实践教程仅适用于新版训练作业。 场景描述 本示例使用Linux
来自：帮助中心 -
示例：从0到1制作自定义镜像并用于训练（Tensorflow+GPU）
![]()
示例：从0到1制作自定义镜像并用于训练（Tensorflow+GPU） 本章节介绍如何从0到1制作镜像，并使用该镜像在ModelArts平台上进行训练。镜像中使用的AI引擎是Tensorflow，训练使用的资源是GPU。 本实践教程仅适用于新版训练作业。 场景描述 本示例使用Linux
来自：帮助中心 -
模型训练
![]()
模型训练 使用AI Gallery的订阅算法实现花卉识别 使用自定义算法构建模型实现手写数字识别 示例：从0到1制作自定义镜像并用于训练（PyTorch+CPU/GPU） 示例：从0到1制作自定义镜像并用于训练（MPI+CPU/GPU） 示例：从0到1制作自定义镜像并用于训练（Horovod-PyTorch+GPU）
来自：帮助中心 -
官方案例列表
![]()
平台上进行训练。镜像中使用的AI引擎是PyTorch，训练使用的资源是CPU或GPU。 示例：从0到1制作自定义镜像并用于训练（MPI+CPU/GPU） MPI 镜像制作 自定义镜像训练 - 此案例介绍如何从0到1制作镜像，并使用该镜像在ModelArts平台上进行训练。镜像中使
来自：帮助中心 -
示例：从0到1制作自定义镜像并用于训练
![]()
示例：从0到1制作自定义镜像并用于训练 示例：从0到1制作自定义镜像并用于训练（PyTorch+CPU/GPU） 示例：从0到1制作自定义镜像并用于训练（MPI+CPU/GPU） 示例：从0到1制作自定义镜像并用于训练（Horovod-PyTorch+GPU） 示例：从0到1制作自定义镜像并用于训练（MindSpore+GPU）
来自：帮助中心 -
ModelArts支持的AI框架
![]()
Ascend+ARM算法开发和训练基础镜像，AI引擎预置TensorFlow和MindSpore 是 是 modelbox1.3.0-tensorrt7.1.3-cuda10.2-cudnn8-euler2.9.6 AI应用开发基础镜像，预置AI应用编排引擎ModelBox、AI引擎TensorRT，仅支持SSH连接
来自：帮助中心 -
训练作业找不到GPU
![]()
训练作业找不到GPU 问题现象 训练作业运行出现如下报错： failed call to cuInit: CUDA_ERROR_NO_DEVICE: no CUDA-capable device is detected 原因分析 根据错误信息判断，报错原因为训练作业运行程序读取不到GPU。
来自：帮助中心 -
常用框架
![]()
本章详细介绍ModelArts支持的常用AI框架以及使用AI框架编写创建训练作业的训练代码。 训练管理支持的AI常用框架 当前ModelArts支持的AI引擎及对应版本如下所示。 表1 旧版训练作业支持的AI引擎 工作环境 适配芯片 系统架构 系统版本 AI引擎与版本 支持的cuda或Ascend版本
来自：帮助中心 -
Tensorflow
![]()
Tensorflow ModelArts训练服务支持了多种AI框架，并对不同的引擎提供了针对性适配，用户在使用这些框架进行模型训练时，训练的启动命令也需要做相应适配。本文介绍了Tensorflow框架启动原理、控制台上创建训练任务时后台对应的启动命令。 Tensorflow框架启动原理
来自：帮助中心 -
使用常用框架训练模型
![]()
cuda10.1 Caffe CPU/GPU x86_64 Ubuntu16.04 Caffe-1.0.0-python2.7 cuda8.0 MoXing是ModelArts团队自研的分布式训练加速框架，它构建于开源的深度学习引擎TensorFlow、MXNet、PyTorch、Kera
来自：帮助中心 -
功能介绍
![]()
网络结构及模型参数配置2 模型训练 模型训练多维度可视化监控，包括训练精度/损失函数曲线、GPU使用率、训练进度、训练实时结果、训练日志等。 图15 训练指标和中间结果可视化 图16 训练过程资源监控 支持多机多卡环境下的模型分布式训练，大幅度提升模型训练的速度，满足海量样本数据加速训练的需求。 图17
来自：帮助中心 -
训练业务代码适配昇腾PyTorch代码适配
![]()
torch_npu.npu.is_available() 多卡多机场景下，迁移nccl相关调用到hccl。 迁移前： dist.init_process_group(backend='nccl',init_method = "tcp//:127.0.0.1:**", ...... ,rank =
来自：帮助中心 -
TensorFlow
![]()
Dense import tensorflow as tf # 导入训练数据集 mnist = tf.keras.datasets.mnist (x_train, y_train),(x_test, y_test) = mnist.load_data() x_train, x_test
来自：帮助中心 -
可视化训练作业介绍
![]()
TensorBoard可视化训练作业，当前仅支持基于TensorFlow2.1、Pytorch1.4/1.8版本镜像，CPU/GPU规格的资源类型。请根据实际局点支持的镜像和资源规格选择使用。 MindInsight MindInsight能可视化展现出训练过程中的标量、图像、计算图
来自：帮助中心 -
功能介绍
![]()
，生成新模型包。同时支持多模型组合编排生成新模型。支持将模型下载至本地、生成SHA256校验码、上架至NAIE服务官网、发布成在线推理服务，进行在线推理、创建联邦学习实例、删除模型。 模型验证 模型验证是基于新的数据集或超参，对模型训练服务已打包的模型进行验证，根据验证报告判断当前模型的优劣。
来自：帮助中心
