检测到您已登录华为云国际站账号，为了您更好的体验，建议您访问国际站服务网站 https://www.huaweicloud.com/intl/zh-cn
不再显示此消息
检测到您已登录华为云国际站账号，为了您更好的体验，建议您访问国际站服务网站 https://www.huaweicloud.com/intl/zh-cn
不再显示此消息
各个模型深度学习训练加速框架的选择 LlamaFactory框架使用两种训练框架： DeepSpeed和Accelerate都是针对深度学习训练加速的工具，但是它们的实现方式和应用场景有所不同。 DeepSpeed是一种深度学习加速框架，主要针对大规模模型和大规模数据集的训练。
图1 基于OBS+SFS Turbo的存储解决方案 OBS + SFS Turbo存储加速的具体方案请查看： 面向AI场景使用OBS+SFS Turbo的存储加速实践。
创建网络 登录ModelArts管理控制台，在左侧导航栏中选择“AI专属资源池 > 弹性集群 Cluster”，进入“弹性集群 Cluster”页面。 切换到“网络”页签，单击“创建”，弹出“创建网络”页面。 图1 网络列表 在“创建网络”弹窗中填写网络信息。
网络调整公告 ModelArts针对网络进行安全加固和优化，新的网络模式可以为用户的资源提供更好的隔离性，提升云上资源的安全。为保障您的网络安全，建议您后续使用新网络创建Standard资源池。
可选值如下： Creating：网络创建中 Active：网络正常 Abnormal：网络不正常 connectionStatus NetworkConnectionStatus object 网络与其他云服务连通状态信息。
可选值如下： Creating：网络创建中 Active：网络正常 Abnormal：网络不正常 connectionStatus NetworkConnectionStatus object 网络与其他云服务连通状态信息。
可选值如下： Creating：网络创建中 Active：网络正常 Abnormal：网络不正常 connectionStatus NetworkConnectionStatus object 网络与其他云服务连通状态信息。
训练网络迁移总结 确保算法在GPU训练时，持续稳定可收敛。避免在迁移过程中排查可能的算法问题，并且要有好的对比标杆。如果是NPU上全新开发的网络，请参考PyTorch迁移精度调优排查溢出和精度问题。
可选值如下： Creating：网络创建中 Active：网络正常 Abnormal：网络不正常 connectionStatus NetworkConnectionStatus object 网络与其他云服务连通状态信息。
可选值如下： Creating：网络创建中 Active：网络正常 Abnormal：网络不正常 connectionStatus NetworkConnectionStatus object 网络与其他云服务连通状态信息。
配置Lite Server网络 Server创建后，需要进行网络配置，才可使其与Internet通信，本章节介绍网络配置步骤。
路由加速的原理是改变rank编号，所以代码中对rank的使用要统一。 将训练作业完成如下修改后，启动训练作业即可实现网络加速。 将训练启动脚本中的“NODE_RANK="$VC_TASK_INDEX"”修改为“NODE_RANK="$RANK_AFTER_ACC"”。
配置Lite Cluster网络 本章节介绍如何申请弹性公网IP并绑定到弹性云服务器。通过本文档，您可以实现弹性云服务器访问公网的目的。 使用华为云账号登录CCE管理控制台。
离线训练安装包准备说明 申请的模型软件包一般依赖连通网络的环境。若用户的机器或资源池无法连通网络，并无法git clone下载代码、安装python依赖包的情况下，用户则需要找到已联网的机器（本章节以Linux系统机器为例）提前下载资源，以实现离线安装。用户可遵循以下步骤操作。
配置流程 图1 Lite Cluster资源配置流程图 表1 Cluster资源配置流程 配置顺序 配置任务 场景说明 1 配置Lite Cluster网络 购买资源池后，需要弹性公网IP并进行网络配置，配置网络后可通过公网访问集群资源。
删除网络 当AI业务开发不再需要使用网络时，您可以删除网络。 请注意，删除网络会导致使用该网络的资源池网络不可用，请谨慎操作。 在“网络”页签，单击某个网络操作列的“更多 > 删除”。 确认删除，单击“确定”即可。 父主题： 管理Standard专属资源池
问题现象 特权池基本信息页面数据均显示为0%（如CPU使用率、内存使用率、加速卡使用率、加速卡显存使用率）。 原因分析 原因是集群没有安装ICAgent。新建特权池时默认会安装ICAgent，可能由于用户自行卸载ICAgent，导致资源池数据显示异常。
当前监控指标项已经包含CPU、内存、磁盘、网络。在主机上安装加速卡驱动后，可以自动采集的相关指标。此处表1仅展示NPU相关指标，其他指标项请参考CES Agent支持的指标列表。
大规模分布式训练能力，加速大模型研发。 提供高性价比国产算力。 多年软硬件经验沉淀，AI场景极致优化。 加速套件，训练、推理、数据访问多维度加速。
网络工作空间迁移 登录ModelArts管理控制台，选择“AI专属资源池 > 弹性集群Cluster”，切换到“网络”页签。 在网络列表中，选择目标网络“操作 > 更多 > 工作空间迁移”。 在弹出的“迁移网络”中，选择要迁移的“目标工作空间”，单击“确定”。
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
