PaddlePaddle 任务¶

PaddlePaddle（飞桨）是百度开源的深度学习平台，支持丰富的神经网络模型和分布式训练方式。PaddlePaddle 任务可以通过单机或分布式模式进行训练。在 AI Lab 平台中，我们提供了对 PaddlePaddle 任务的支持，您可以通过界面化操作，快速创建 PaddlePaddle 任务，进行模型训练。

本教程将指导您如何在 AI Lab 平台上创建和运行 PaddlePaddle 的单机和分布式任务。

任务配置介绍¶

• 任务类型：PaddlePaddle，支持单机和分布式两种模式。
• 运行环境：选择包含 PaddlePaddle 框架的镜像，或在任务中安装必要的依赖。

任务运行环境¶

我们使用 registry.baidubce.com/paddlepaddle/paddle:2.4.0rc0-cpu 镜像作为任务的基础运行环境。该镜像预装了 PaddlePaddle 框架，适用于 CPU 计算。如果需要使用 GPU，请选择对应的 GPU 版本镜像。

注意：了解如何创建和管理环境，请参考 环境列表。

创建 PaddlePaddle 任务¶

PaddlePaddle 单机训练任务¶

创建步骤¶

1. 登录平台：登录 AI Lab 平台，点击左侧导航栏中的 任务中心，进入 训练任务 页面。
2. 创建任务：点击右上角的 创建 按钮，进入任务创建页面。
3. 选择任务类型：在弹出的窗口中，选择任务类型为 PaddlePaddle，然后点击 下一步。
4. 填写任务信息：填写任务名称和描述，例如 “PaddlePaddle 单机训练任务”，然后点击 确定。
5. 配置任务参数：根据您的需求，配置任务的运行参数、镜像、资源等信息。

运行参数¶

• 启动命令：python

• 命令参数：

  -m paddle.distributed.launch run_check
  

  说明：

  • -m paddle.distributed.launch：使用 PaddlePaddle 提供的分布式启动模块，即使在单机模式下也可以使用，方便将来迁移到分布式。
  • run_check：PaddlePaddle 提供的测试脚本，用于检查分布式环境是否正常。

资源配置¶

• 副本数：1（单机任务）
• 资源请求：
  • CPU：根据需求设置，建议至少 1 核
  • 内存：根据需求设置，建议至少 2 GiB
  • GPU：如果需要使用 GPU，选择 GPU 版本的镜像，并分配相应的 GPU 资源

完整的 PaddleJob 配置示例¶

以下是单机 PaddleJob 的 YAML 配置：

apiVersion: kubeflow.org/v1
kind: PaddleJob
metadata:
    name: paddle-simple-cpu
    namespace: kubeflow
spec:
    paddleReplicaSpecs:
        Worker:
            replicas: 1
            restartPolicy: OnFailure
            template:
                spec:
                    containers:
                        - name: paddle
                          image: registry.baidubce.com/paddlepaddle/paddle:2.4.0rc0-cpu
                          command:
                              [
                                  'python',
                                  '-m',
                                  'paddle.distributed.launch',
                                  'run_check',
                              ]

配置解析：

• apiVersion 和 kind：指定资源的 API 版本和类型，这里是 PaddleJob。
• metadata：元数据，包括任务名称和命名空间。
• spec：任务的详细配置。
  • paddleReplicaSpecs：PaddlePaddle 任务的副本配置。
    • Worker：指定工作节点的配置。
      • replicas：副本数，这里为 1，表示单机训练。
      • restartPolicy：重启策略，设为 OnFailure，表示任务失败时自动重启。
      • template：Pod 模板，定义容器的运行环境和资源。
        • containers：容器列表。
          • name：容器名称。
          • image：使用的镜像。
          • command：启动命令和参数。

提交任务¶

配置完成后，点击 提交 按钮，开始运行 PaddlePaddle 单机任务。

查看运行结果¶

任务提交成功后，您可以进入 任务详情 页面，查看资源的使用情况和任务的运行状态。从右上角进入 工作负载详情，可以查看运行过程中的日志输出。

示例输出：

run check success, PaddlePaddle is installed correctly on this node :)

这表示 PaddlePaddle 单机任务成功运行，环境配置正常。

PaddlePaddle 分布式训练任务¶

在分布式模式下，PaddlePaddle 任务可以使用多台计算节点共同完成训练，提高训练效率。

创建步骤¶

1. 登录平台：同上。
2. 创建任务：点击右上角的 创建 按钮，进入任务创建页面。
3. 选择任务类型：选择任务类型为 PaddlePaddle，然后点击 下一步。
4. 填写任务信息：填写任务名称和描述，例如 “PaddlePaddle 分布式训练任务”，然后点击 确定。
5. 配置任务参数：根据需求，配置运行参数、镜像、资源等。

运行参数¶

• 启动命令：python

• 命令参数：

  -m paddle.distributed.launch train.py --epochs=10
  

  说明：

  • -m paddle.distributed.launch：使用 PaddlePaddle 提供的分布式启动模块。
  • train.py：您的训练脚本，需要放在镜像中或挂载到容器内。
  • --epochs=10：训练的轮数，这里设置为 10。

资源配置¶

• 任务副本数：根据 Worker 副本数设置，这里为 2。
• 资源请求：
  • CPU：根据需求设置，建议至少 1 核
  • 内存：根据需求设置，建议至少 2 GiB
  • GPU：如果需要使用 GPU，选择 GPU 版本的镜像，并分配相应的 GPU 资源

完整的 PaddleJob 配置示例¶

以下是分布式 PaddleJob 的 YAML 配置：

apiVersion: kubeflow.org/v1
kind: PaddleJob
metadata:
    name: paddle-distributed-job
    namespace: kubeflow
spec:
    paddleReplicaSpecs:
        Worker:
            replicas: 2
            restartPolicy: OnFailure
            template:
                spec:
                    containers:
                        - name: paddle
                          image: registry.baidubce.com/paddlepaddle/paddle:2.4.0rc0-cpu
                          command:
                              [
                                  'python',
                                  '-m',
                                  'paddle.distributed.launch',
                                  'train.py',
                              ]
                          args:
                              - '--epochs=10'

配置解析：

• Worker：
  • replicas：副本数，设置为 2，表示使用 2 个工作节点进行分布式训练。
  • 其他配置与单机模式类似。

设置任务副本数¶

在创建 PaddlePaddle 分布式任务时，需要根据 paddleReplicaSpecs 中配置的副本数，正确设置 任务副本数。

• 总副本数 = Worker 副本数
• 本示例中：
  • Worker 副本数：2
  • 总副本数：2

因此，在任务配置中，需要将 任务副本数 设置为 2。

提交任务¶

配置完成后，点击 提交 按钮，开始运行 PaddlePaddle 分布式任务。

查看运行结果¶

进入 任务详情 页面，查看任务的运行状态和资源使用情况。您可以查看每个工作节点的日志输出，确认分布式训练是否正常运行。

示例输出：

Worker 0: Epoch 1, Batch 100, Loss 0.5
Worker 1: Epoch 1, Batch 100, Loss 0.6
...
Training completed.

这表示 PaddlePaddle 分布式任务成功运行，模型训练完成。

小结¶

通过本教程，您学习了如何在 AI Lab 平台上创建和运行 PaddlePaddle 的单机和分布式任务。我们详细介绍了 PaddleJob 的配置方式，以及如何在任务中指定运行的命令和资源需求。希望本教程对您有所帮助，如有任何问题，请参考平台提供的其他文档或联系技术支持。

附录¶

• 注意事项：

  • 训练脚本：确保 train.py（或其他训练脚本）在容器内存在。您可以通过自定义镜像、挂载持久化存储等方式将脚本放入容器。
  • 镜像选择：根据您的需求选择合适的镜像，例如使用 GPU 时选择 paddle:2.4.0rc0-gpu 等。
  • 参数调整：可以通过修改 command 和 args 来传递不同的训练参数。

• 参考文档：

  • PaddlePaddle 官方文档
  • Kubeflow PaddleJob 指南