AI开发平台MODELARTS-准备镜像环境:步骤三 启动容器镜像

时间:2024-11-12 16:42:43

步骤三 启动容器镜像

  1. 启动容器镜像前请先按照参数说明修改${}中的参数。可以根据实际需要增加修改参数。启动容器命令如下。
    export work_dir="自定义挂载的工作目录"     #容器内挂载的目录,例如/home/ma-user/ws
    export container_work_dir="自定义挂载到容器内的工作目录"
    export container_name="自定义容器名称"
    export image_name="镜像名称"
    docker run -itd \
        --device=/dev/davinci0 \
        --device=/dev/davinci1 \
        --device=/dev/davinci2 \
        --device=/dev/davinci3 \
        --device=/dev/davinci4 \
        --device=/dev/davinci5 \
        --device=/dev/davinci6 \
        --device=/dev/davinci7 \
        --device=/dev/davinci_manager \
        --device=/dev/devmm_svm \
        --device=/dev/hisi_hdc \
        -v /usr/local/sbin/npu-smi:/usr/local/sbin/npu-smi \
        -v /usr/local/dcmi:/usr/local/dcmi \
        -v /usr/local/Ascend/driver:/usr/local/Ascend/driver \
        --cpus 192 \
        --memory 1000g \
        --shm-size 200g \
        --net=host \
        -v ${work_dir}:${container_work_dir} \
        --name ${container_name} \
        $image_name \
        /bin/bash

    参数说明:

    • --name ${container_name} 容器名称,进入容器时会用到,此处可以自己定义一个容器名称,例如llamafactory。
    • -v ${work_dir}:${container_work_dir} 代表需要在容器中挂载宿主机的目录。宿主机和容器使用不同的文件系统。work_dir为宿主机中工作目录,目录下存放着训练所需代码、数据等文件。container_work_dir为要挂载到的容器中的目录。为方便两个地址可以相同。
      • 容器不能挂载/home/ma-user目录,此目录为ma-user用户家目录。
      • driver及npu-smi需同时挂载至容器。
      • 不要将多个容器绑到同一个NPU上,会导致后续的容器无法正常使用NPU功能。
    • ${image_name} 为docker镜像的ID,在宿主机上可通过docker images查询得到。
    • --shm-size:表示共享内存,用于多进程间通信。由于需要转换较大内存的模型文件,因此大小要求200g及以上。
  2. 修改目录权限,上传代码和数据到宿主机时使用的是root用户,如用ma-user用户训练,此处需要执行如下命令统一文件权限。
    #统一文件权限
    chmod -R 777  ${work_dir}
    # ${work_dir}:/home/ma-user/ws 宿主机代码和数据目录
    #例如: chmod -R 777  /home/ma-user/ws
  3. 通过容器名称进入容器中。启动容器时默认用户为ma-user用户。
    docker exec -it ${container_name} bash
  4. 使用ma-user用户安装依赖包。
    #进入scripts目录换
    cd /home/ma-user/ws/llm_train/LLaMAFactory
    #执行安装命令,安装依赖包及/LLaMAFactory代码包
    sh install.sh
support.huaweicloud.com/bestpractice-modelarts/modelarts_llm_train_90925.html