新建任务 | 大装置帮助中心
跳到主要内容

新建任务

名称​

sco acp jobs create - 创建一个新的训练任务

说明​

sco acp jobs create \
  --workspace-name=WORKSPACE_NAME \
  --aec2-name=AEC2_NAME \
  --job-name=JOB_NAME \
  --container-image-url=IMAGE_URI \
  --training-framework=FRAMEWORK \
  --worker-spec=WORKER_SPEC \
  [--worker-nodes=WORKER_NUM] \
  [--priority=NORMAL|HIGH|HIGHEST] \
  [--command='COMMAND;...'] \
  [--storage-mount=VOLUME_ID:MOUNT_PATH[,VOLUME_ID/SUB_DIR:MOUNT_PATH...]] \
  [--enable-fault-tolerance] \
  [--enable-anomaly-detection] \
  [--retry-times=RETRY_TIMES] \
  [--env=KEY:VALUE[,KEY:VALUE...]] \
  [--quota-type=reserved|spot] \
  [--wait] \
  [--vpc-id=VPC_ID --az=AZ]

描述​

创建一个新的训练任务。

命令行标志​

必填参数​

  • --workspace-name: 训练任务所属 workspace。
  • --aec2-name: 训练任务所属 AEC2；公共集群填 public。
  • --job-name: 训练任务显示名称（DisplayName）。
  • --container-image-url: 容器镜像地址。
  • --training-framework: 训练框架，支持 pytorch、pt、tensorflow、tf、senseparrots、mpi。
  • --worker-spec: 训练规格（支持多个，逗号分隔）。

可选参数​

  • --name: 训练任务资源名（Name，不传由后端生成）。
  • --worker-nodes: 节点数量，默认 1，必须 >= 1。
  • --priority: 调度优先级，默认 NORMAL。
  • --command: 启动命令，默认 sleep inf。
  • --storage-mount: 卷挂载，格式为 VOLUME_ID:MOUNT_PATH 或 VOLUME_ID/SUB_DIR:MOUNT_PATH，多项用逗号分隔。
  • --enable-fault-tolerance: 开启容错能力（默认关闭）。
  • --enable-anomaly-detection: 开启异常检测（默认关闭）。
  • --retry-times: 重试次数，默认 0。
  • --env: 环境变量，格式 KEY:VALUE，多项用逗号分隔。
  • --wait: 资源暂时不足时，是否允许排队等待配额（默认关闭）。
  • --quota-type: reserved 或 spot，默认 reserved。
  • --vpc-id: 当 --aec2-name=public 时必填（UUID 格式）。
  • --az: 当 --aec2-name=public 时必填。

示例​

sco acp jobs create \
  --workspace-name=my-workspace \
  --aec2-name=my-aec2 \
  --job-name=test \
  --container-image-url='registry.example.com/example/image:latest' \
  --training-framework=pytorch \
  --worker-spec='1XA100-80GB' \
  --worker-nodes=2 \
  --priority=HIGH \
  --command='sleep 60' \
  --storage-mount='test85cd-560e-7a82-9201-8faf94ad8f6x/datasets:/data' \
  --env='NCCL_DEBUG:INFO,OMP_NUM_THREADS:4'