准备模型训练代码 预置框架启动文件的启动流程说明 开发用于预置框架训练的代码 开发用于 自定义镜像 训练的代码 自定义镜像训练作业配置节点间SSH免密互信 父主题： 使用ModelArts Standard训练模型

查看更多 →

。 图2 创建版本 表1 版本参数 参数 说明 镜像 选择镜像以及镜像版本。 启动脚本路径 选择脚本的启动文件路径，文件路径为在脚本中的相对路径，当前只支持.py类型的启动文件。 标签 根据需要选择标签。 自定义属性 根据需要选择自定义属性。 标注物 选择合适的标注物。 单击“下

查看更多 →

本地导入的算法有哪些格式要求？ ModelArts支持导入本地开发的算法，格式要求如下： 编程语言不限。 启动文件必须选择以“.py”结尾的文件。 文件数（含文件、文件夹数量）不超过1024个。 文件总大小不超过5GB。 父主题： 功能咨询

查看更多 →

文件数（含文件、文件夹数量）小于或等于1000个。 文件总大小小于或等于5GB。 “启动文件” 必须为“代码目录”下的文件，且以“.py”结尾，即ModelArts目前只支持使用Python语言编写的启动文件。 代码目录路径中的启动文件为训练启动的入口。 设置算法启动方式（预置框架+自定义） 图2 使用预置框架+自定义镜像创建算法

查看更多 →

载失败的风险。建议训练代码目录大小小于或等于50MB。 代码目录路径中的启动文件 代码目录路径中的启动文件作为训练启动的入口，当前只支持python格式。预置框架启动文件的启动流程说明请参见预置框架启动文件的启动流程说明。 训练输入路径参数 训练数据需上传至OBS桶或者存储至数据

查看更多 →

F2进入命令行模式，按如下指导修改完成后，再重启操作系统。 启动失败原因：制作镜像过程通过虚拟化制作，在UVP底层转化过程中，可能概率性会遇到转换格式差异，导致启动文件转换失败，从而在使用该虚拟机镜像发放的 裸金属服务器 强制重启后会概率性启动失败，所以需要手动固化grub，保证启动不会失败。 是否与操作系

查看更多 →

__instancecheck__ 原因分析 递归深度超过了Python默认的递归深度，导致训练失败。 处理方法 如果超过最大递归深度，建议您在启动文件中增大递归调用深度，具体操作如下： import sys sys.setrecursionlimit(1000000) 父主题： 业务代码问题

查看更多 →

件会被下载到训练容器的“${MA_JOB_DIR}/code”目录中。 启动文件 必填，选择代码目录中训练作业的Python启动脚本。 ModelArts只支持使用Python语言编写的启动文件，因此启动文件必须以“.py”结尾。 父主题： 制作自定义镜像用于训练模型

查看更多 →

按钮，自行上传编译好的Scala或者JAVA代码jar包。 查看已有样例代码内容。 在左侧的“配置信息”框中，在“启动文件”后单击“选择”。 在弹出的“选择启动文件”对话框中，选择要启动的文件，单击“确认”。 在作业编辑界面，单击右上角的“提交运行”，进入“作业运行记录”界面。 作业运行成功后，界面展示如图2所示。

查看更多 →

应用图片仅支持jpg、png、bmp格式、大小2MB以内的图片。 应用安装包仅支持.zip格式。 应用安装包上传至OBS桶时，仅支持一级目录路径。 应用安装包中的应用启动文件必须是.exe文件。

查看更多 →

当您使用订阅算法创建训练作业时，不支持该参数。 “启动文件” 训练作业启动文件位置。 说明： 当您使用订阅算法创建训练作业时，不支持该参数。 “运行用户ID” 容器运行时的用户ID。 “本地代码目录” 训练代码在训练容器中的存放路径。 “工作目录” 训练启动文件在训练容器中的路径。 “实例数” 本次训练作业设置的实例数。

查看更多 →

computation. 原因分析 分布式Tensorflow不能使用“tf.variable”要使用“tf.get_variable”。 处理方法 请您将“启动文件”中的“tf.variable”替换为“tf.get_variable”。 父主题： 业务代码问题

查看更多 →

silently 原因分析 根据报错信息，可以判断是日志文件的大小已达到限制。出现该报错之后，日志不再增加，后台将继续运行。 处理方法 请您在启动文件中减少无用日志输出。 父主题： 硬盘限制故障

查看更多 →

000，绑定IP为127.0.0.1。 bootstrap文件是HTTP函数的启动文件，HTTP函数仅支持读取bootstrap 作为启动文件名称，其它名称将无法正常启动服务，bootstrap启动文件请参见bootstrap文件示例。 HTTP函数支持多种开发语言。 用户函数需要返回一个合法的http响应报文。

查看更多 →

训练作业中如何判断文件夹是否复制完毕？ 您可以在训练作业启动文件的脚本中，通过如下方式获取复制和被复制文件夹大小，根据结果判断是否复制完毕： import moxing as mox mox.file.get_size('obs://bucket_name/obs_file',recursive=True)

查看更多 →

训练作业常用文件路径是什么？ 如何安装C++的依赖库？ 训练作业中如何判断文件夹是否复制完毕？ 如何在训练中加载部分训练好的参数？ 训练作业的启动文件如何获取训练作业中的参数？ 训练作业中使用os.system('cd xxx')无法进入相应的文件夹？ 训练作业如何调用shell脚本，是否可以执行

查看更多 →

，Mox也就会不断的被导入，导致打印很多Mox的版本信息。 处理方法 为避免训练作业Pytorch Mox日志反复输出的问题，需要您在“启动文件”中添加如下代码，当“MOX_SILENT_MODE = “1””时，可在日志中屏蔽mox的版本信息： import os os.env

查看更多 →

create('dist_async') print('end') 原因分析 worker阻塞的原因可能是连不上server。 处理方法 将如下代码放在“启动文件”里“import mxnet”之前可以看到节点间相互通信状态，同时ps能够重新发送。 import os os.environ['PS_VERBOSE']

查看更多 →

开发HTTP函数 本章节通过HTTP函数部署koa框架，更多HTTP详情，请参见创建HTTP函数。 前提条件 准备一个bootstrap启动文件，作为HTTP函数的启动文件。举例如下： /opt/function/runtime/nodejs14.18/rtsp/nodejs/bin/node

查看更多 →

该样例已将安装包上传至“obs://cnnorth4-test/codes/mox_benchmarks/apex-master/”中，将在启动文件中添加以下代码进行安装。 try: import apex except Exception: import os

查看更多 →

使用PyTorch预置框架功能，通过mp.spawn命令启动训练的启动文件 └─torchlaunch.sh # 使用自定义镜像功能，通过torch.distributed.launch命令启动训练的启动文件 └─torchrun.sh

查看更多 →