在HPC集群上运行MPI应用 在HPC集群上运行IB驱动自带的OpenMPI 在HPC集群上运行社区OpenMPI 在HPC集群上运行Spectrum MPI 在HPC集群上运行Intel MPI 在HPC集群上运行Platform MPI 父主题： 弹性云服务器 场景典型应用

查看更多 →

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Horovod 0.22.1 + PyTorch 1.8.1，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 x86_64架构的主机，操作系统ubuntu-18

查看更多 →

bashrc 运行Platform MPI下的STAR-CCM+ 设置路径。 将/etc/ld.so.conf.d/ibm_mpi.conf中内容改为如下内容： /opt/Siemens/15.02.009-R8/STAR-CCM+15.02.009-R8/mpi/openmpi/4.0.

查看更多 →

/nccl-tests make MPI=1 MPI_HOME=/usr/mpi/gcc/openmpi-4.1.2a1 -j 8 编译时需要加上MPI=1的参数，否则无法进行多机之间的测试。 MPI路径版本需要匹配，可以通过“ls /usr/mpi/gcc/”查看openmpi的具体版本。

查看更多 →

MXM_IB_USE_GRH=y /usr/mpi/gcc/openmpi-3.1.0rc2/tests/imb/IMB-MPI1 PingPong 图4 集群运行IB驱动自带OpenMPI 系统回显如图4所示，表示集群上运行IB驱动自带的OpenMPI成功。 父主题： 在HPC集群上运行MPI应用（X86 BMS场景）

查看更多 →

/nccl-tests make MPI=1 MPI_HOME=/usr/mpi/gcc/openmpi-4.1.2a1 -j 8 编译时需要加上MPI=1的参数，否则无法进行多机之间的测试。 MPI路径版本需要匹配，可以通过“ls /usr/mpi/gcc/”查看openmpi的具体版本。

查看更多 →

计算精度。 方案架构 方案优势 降低TCO 可以按需租用，成本低，降低中小客户使用HPC的门槛。 提高效率 按需发放，快速部署与扩容，加速产品上市时间和缩短科研周期。 使用灵活 在镜像模板中预制MPI库、编译库及优化配置，加快环境部署。 企业分支、科研组织机构等跨全球地理位置进行及时协同工作，提高效率。

查看更多 →

安装和使用MPICH 操作场景 本节指导用户在鲲鹏BMS集群上安装和使用MPICH应用（以版本mpich-3.3.2为例）。 对于集群中的每台BMS，都需要执行该操作。 前提条件 已配置BMS集群间互相免密登录。 操作步骤 安装MPICH。 下载MPICH。 下载地址：https://aur

查看更多 →

训练基础镜像详情（PyTorch） 训练基础镜像详情（TensorFlow） 训练基础镜像详情（Horovod） 训练基础镜像详情（MPI） 预置框架启动流程说明 父主题： 使用预置镜像

查看更多 →

安装和使用社区OpenMPI 操作场景 该任务指导用户在BMS集群上运行社区OpenMPI（以4.0.2版本为例））。 前提条件 已配置BMS集群间互相免密登录。 集群中所有的BMS，均已安装社区OpenMPI。 操作步骤 关闭防火墙。 登录集群中任意一台BMS。 执行以下命令，关闭BMS防火墙。

查看更多 →

预置框架启动流程说明 PyTorch Tensorflow Ascend-Powered-Engine Horovod/MPI/MindSpore-GPU 父主题： 训练基础镜像详情介绍

查看更多 →

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）

查看更多 →

Standard模型训练 使用AI Gallery的订阅算法实现花卉识别 使用ModelArts Standard自定义算法实现手写数字识别 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

查看更多 →

实施步骤 创建HPC私有镜像 创建弹性 云服务器 配置节点互信 创建SFS Turbo 挂载共享目录 通讯录安装 MPI安装 STAR-CCM+安装与运行 父主题： 基于STAR-CCM+部署HPC集群

查看更多 →

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M

查看更多 →

bms-0004 bms-0005 ... 依次登录集群中所有BMS，重复执行2.e～2.f。 在任意一台BMS中执行以下命令，运行社区Open MPI。 以两个BMS为例： $ mpirun -np 2 --pernode -hostfile hostfile /home/rhel/hello

查看更多 →

04-x86_64 horovod_0.22.1-pytorch_1.8.0-cuda_10.2-py_3.7-ubuntu_18.04-x86_64 MPI mindspore_1.3.0-cuda_10.1-py_3.7-ubuntu_1804-x86_64 不同区域支持的AI引擎有差异，请以实际环境为准。

查看更多 →

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

查看更多 →

解决方案： 1.请参照STAR-CCM+安装与运行章节的命令，在OpenMPI场景下不要使用"-x"命令行，使用"--mca"参数。 Platform MPI场景下使用"-x"参数，OpenMPI场景下使用"--mca"参数。 2.若以上方法无法解决，请联系技术支持进行处理。 STAR-CCM+启动时，报错“Address

查看更多 →

安装和使用MPICH 操作场景 该任务指导用户在BMS集群上运行MPICH应用（mpich-3.3.2版本）。 前提条件 已配置BMS集群间互相免密登录。 集群中所有的BMS，均已安装MPICH。 操作步骤 关闭防火墙。 登录集群中任意一台BMS。 执行以下命令，关闭BMS防火墙。

查看更多 →

使用 语法格式 创建全量物化视图 CREATE MATERIALIZED VIEW [ view_name ] AS { query_block }; 刷新全量物化视图 REFRESH MATERIALIZED VIEW [ view_name ]; 删除物化视图 DROP MATERIALIZED

查看更多 →