# 创建一键训练作业 #### 场景介绍 如果您的任务属于常见的标准任务（如文本生成），不希望关心底层的训练脚本、超参调优和资源配置时，推荐使用一键训练。您只需要准备好数据集、选择对应的任务类型，平台会自动完成算法选择、训练参数配置和资源调度，最终直接产出可部署的模型。这种场景的核心价值是"零代码、快速见效"，帮助用户在最短时间内跑通从数据到模型的完整闭环，非常适合原型验证和业务快速落地。 #### 前提条件 1. 已完成华为云账号注册、实名认证及相关权限授权。具体操作，请参见[一、前置准备：账号与权限](https://support.huaweicloud.com/qs-modelarts/modelarts_06_0006.html#section0)。 2. 一键完成模型训练，需要配置ModelArts FullAccess权限，否则无法访问OBS。请参见[配置ModelArts基础操作权限](https://support.huaweicloud.com/permission-modelarts/permission-modelarts-007.html#section1)。 #### 约束限制 仅新版控制台页面支持一键训练，请参考[新旧控制台说明](https://support.huaweicloud.com/usermanual-standard-modelarts/develop-modelarts-0001.html#ZH-CN_TOPIC_0000002634882874__section72231050615)了解如何切换新旧控制台。 #### 计费说明 在ModelArts进行模型训练时，会产生计算资源和存储资源的累计值计费。计算资源为训练作业运行的费用。存储资源包括数据存储到OBS或SFS的费用。详见[模型训练计费项](https://support.huaweicloud.com/price-modelarts/price-modelarts-0011.html)。 #### 操作步骤 1. 登录[ModelArts管理控制台](https://console.huaweicloud.com/modelarts/)。 2. 在左侧导航栏中选择"快速入门"，在"热门模型"中选择想要训练的模型。单击模型卡片中的"训练"进入创建训练页面。 3. 快速配置基础信息。 表1配置基础信息 | 参数 | 说明 | 默认值 | |:---|:---|:---| | 模型 | 创建本训练作业所依赖的模型。 | 已选择的模型。 | | 作业名称 | 必填，训练作业的名称。 系统会自动生成一个名称，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。 - 可以包含大小写字母、数字、中划线（-）或下划线（_）。 | 随机生成格式为job-xxxx的作业名。 | | 训练方法 | 创建本训练作业所使用的训练方法。可选**全量微调** 和**LoRA微调**。 **全量微调** ：更新模型**所有参数**来适配新任务，效果最好但显存和算力消耗大，适合数据充足的场景。 **LoRA微调** ：冻结原始模型参数，仅训练注入的**低秩适配矩阵**（额外参数量仅为原模型的0.1%\~1%），显存和算力需求大幅降低，效果接近全量微调，适合资源有限的场景。 | LORA微调。 | | 训练框架 | 创建本训练作业所使用的训练框架。 | MindSpeed。 | | 模型输出路径 | 本训练任务产出的Checkpoints和模型资产将会保存在此路径。存储地址必须以"obs://"或者"/"开头，以"/"结尾，且除前缀外不得出现"//"，例如obs://bucketname/path/或者/bucketname/path/。 | obs://bucketname/path/。 | | 资源池类型 | - "公共资源池"：公共资源池由系统提供，供平台所有租户共享使用，不需要用户创建。 - "专属资源池"：专属资源池需要提前单独创建，不与其他租户共享，具体创建操作请参见[创建专属资源池](https://support.huaweicloud.com/resmgmt-modelarts/resmgmt-modelarts_0004.html)。 | 公共资源池 | | 资源池 | 仅选择"专属资源池"后出现此参数，在"资源池"中单击"选择资源池"，在右侧弹窗中选择要使用的专属资源池或者逻辑子池后，单击"确定"。 选择界面支持查看当前专属资源池的名称、节点池规格、可用节点数/最大节点数、可用NPU/GPU设备数、可用CPU（vCPUs）、可用内存（GiB）以及资源碎片。单击资源碎片列的"查看"可以查看碎片详情，确认资源池是否满足训练需求。 选择完成后，此处会展示所选资源池信息，也可单击"重新选择"再次选择资源池。 | 选择满足训练要求的资源池 | | 发布模型名称 | 训练后的模型将发布为资产，设置该模型资产的名称。命名规则如下： - 支持2-128位字符。 - 只包含中文、字母、数字、中划线、下划线，且以中文、字母开头，以中文、字母、数字结尾名称。 | 原始模型命+时间戳参数 | | 实例规格 | 创建本训练作业所使用的资源实例规格。 资源池类型为"专属资源池"时，需要先选定"资源池"，资源池类型为"公共资源池"时直接单击，然后在右侧弹窗中选择实例规格后，单击"确定"。 推荐使用8 \* Ascend-snt9b2 \| 192 vCPUs \| 1536 GiB (modelarts.bm.npu.arm.8snt9b2)或更高配置。 | 8 \* Ascend-snt9b2 \| 192 vCPUs \| 1536 GiB (modelarts.bm.npu.arm.8snt9b2)。 | | 实例数 | 创建本训练作业的资源实例数。 填写范围与"实例规格"有关，以界面展示为准。 | 1。 | | 选择数据集 | 创建本训练作业所使用的数据集，支持选择**预置数据** 和**我的数据**。本例中选择ModelArts提供的预置数据集。 | 第一个数据集选项。 | | 更多配置 | 创建本训练作业的模型参数配置。如需了解可查看[表2]。 | 默认已填写完成。 | 表2更多训练参数配置说明 | 参数 | 说明 | 默认值 | |:---|:---|:---| | LR | 学习率设置。 | 1.25e-6 | | MIN_LR | 最小学习率设置。 | 1.25e-7 | | RUN_TYPE | 训练类型设置，比如lora/sft等。 | lora | | MODEL_NAME | 训练模型名称。 | qwen3_8b | | SEQ_LEN | 要处理的最大序列长度。默认为4096 | 4096 | | LR_WARMUP_RATIO | 用于计算LR_WARMUP_ITERS的占TRAIN_ITERS的比例 LR_WARMUP_ITERS=TRAIN_ITERS \* LR_WARMUP_RATIO | 0.01 | | DATA_TYPE | 示例值需要根据数据集的不同，选择其一。 - GeneralPretrainHandler：使用预训练的alpaca数据集。 - AlpacaStyleInstructionHandler：使用LLaMA-Factory模板Alpaca数据集。 - SharegptStyleInstructionHandler：使用LLaMA-Factory模板Sharegpt数据集。 | AlpacaStyleInstructionHandler | | EPOCH | 表示训练轮次，根据实际需要修改。一个Epoch是将所有训练样本训练一次的过程。 | 4 | | GBS | 表示训练中所有机器一个step所处理的样本量。影响每一次训练迭代的时长。 | 16 | | LORA_R | 在Lora矩阵中，Rank的值用于衡量矩阵的复杂度和信息量。数值较大，增强模型的表示能力，但会增加训练时长；数值越小可以减少参数数量，降低过拟合风险。 | 16 | 4. 确认配置和费用后，单击"确定"。跳转进入模型训练列表页面。 训练作业一般需要运行一段时间，在训练作业列表，可以查看训练作业的基本情况。 - 在训练作业列表中，刚创建的训练作业状态为"等待中"。 - 当训练作业的状态变为"已完成"时，表示训练作业运行结束，其生成的模型将存储至对应的"输出"目录中。 - 当训练作业的状态变为"运行失败"或"异常"时，可以单击精调作业的名称进入详情页面，通过查看模型产出、任务详情、事件、日志和资源占用等信息来定位问题。 模型训练成功后，用户可以直接用于[模型部署](https://support.huaweicloud.com/inference-modelarts/inference2.0-modelarts-0002.html)等后续操作，或根据实际需求，参考此训练过程，在[创建训练作业](https://support.huaweicloud.com/develop-modelarts/develop-modelarts-0006.html)界面重新创建模型。 #### 常见问题 常见报错及解决方案请详见[表3]。 表3常见报错与解决方案 | 常见报错 | 问题现象 | 原因分析 | 解决方案 | |:---|:---|:---|:---| | 创建训练任务时，数据集列表为空。 | 创建训练任务时，数据集选择框中显示为空，无可用的训练数据集。 | 数据集未发布。 | 请提前创建与大模型对应的训练数据集，并完成数据集发布操作。 | | 训练日志提示"root: XXX valid number is 0" | 日志提示"root: XXX valid number is 0"，表示训练集/验证集的有效样本量为0，例如： ``` INFO: root: Train valid number is 0. ``` | 该日志表示数据集中的有效样本量为0，可能有如下原因： - 数据未标注。 - 标注的数据不符合规格。 | 请检查数据是否已标注或标注是否符合算法要求。 | | 训练日志提示"ValueError: label_map not match" | 训练日志中提示"ValueError: label_map not match"，并打印出标签数据，例如： ``` ValueError: label_map not match. {1:'apple', 2:'orange', 3:'banana', 4:'pear'} & {1:'apple', 2:'orange', 3:'banana'} ``` | 训练集中的标签个数与验证集中的个数不一致，导致该错误发生。 例如，训练集中的标签共有4个，验证集中的标签只有3个。 | 请保持数据中训练集和验证集的标签数量一致。 | | 选择obs桶提示无访问权限。 | 已手动添加obs相关权限，如obs action（obs:bucket:ListAllMyBuckets），但是还是提示无法访问OBS。 | ModelArts训练依赖OBS的委托授权范围不足，需要扩大授权范围。 | 参见本案例"前提条件"，配置ModelArts FullAccess权限。 |