文档中心

AI 训练服务（云知芯 AI Train）是面向AI训练任务的大规模分布式计算平台，基于云知芯性能强大的CPU/GPU云主机集群构建，提供多种配置的高性能计算节点，AI 训练服务提供一站式托管AI训练任务服务，用户在提交AI训练任务后无需担心计算节点调度、训练环境准备、数据上传下载以及容灾等问题。同时，AI 训练服务按照实际计算消耗付费，收费灵活、便捷，用户无需担心资源浪费。

UAI Train服务目前包括两种任务类型

1.AI训练任务

AI训练任务过程一共分三大部分，一共七个步骤：

1. 训练准备
   • 打包训练用Docker镜像，包括打包训练代码，并测试训练代码。（UAI Train平台会提供基础的GPU/CPU Docker镜像）
   • 使用UAI Train平台提供的工具将打包好的Docker镜像上传至UHub
   • 使用控制台页面或SDK工具将训练用数据上传到云存储产品（如UFile，UFS）指定路径
2. 训练任务执行
   • 通过UAI Train平台操作界面发起训练任务
   • 等待训练结束，此时用户可以通过日志界面或者TensorBoard观察训练进度
3. 训练完成
   • 通过UAI Train平台操作界面观察训练任务是否结束
   • 使用控制台页面或SDK工具从云存储产品（如UFile，UFS）获取训练结果

2.AI交互式训练任务

AI交互式训练任务过程一共分三大部分，一共九个步骤：

1. 训练准备
   • （非必须）使用控制台页面或SDK工具将训练用数据上传到云存储产品（如UFile，UFS）指定路径
   • （非必须）通过交互式训练的保存镜像功能制作自定义镜像
2. 训练任务执行
   • 通过UAI Train平台操作界面发起AI交互式训练任务
   • （非必须）使用Terminal界面自主安装研发需要的外部依赖包，保存镜像生成自定义研发环境镜像
   • 运用Jupyter Notebook实现实时开发
   • 运用Jupyter Notebook运行调试训练程序生成模型
3. 训练完成
   • （非必须）通过保存镜像按钮保存当前开发环境到Uhub Docker进行仓库
   • 停止交互式训练任务
   • 使用控制台页面或SDK工具从云存储产品（如UFile，UFS）获取训练结果

UAI-Train 包括两个模块：

• 用户态SDK工具包：SDK工具包包含：1）云知芯训练框架SDK代码，包括定义了部分训练平台相关的参数，例如：计算节点GPU个数、输入数据路径、输出数据路径等；2）Docker镜像打包工具，可以协助用户使用云知芯公开的GPU 容器镜像打包自己的训练容器镜像，并上传至UHub。
• UAI Train训练平台：UAI Train训练平台为PaaS训练平台，基于云知芯性能强大的GPU云主机集群构建，可以提供1机1卡P40、1机2卡P40、1机4卡P40等多种GPU计算节点供用户选择。该提供一站式托管AI训练任务服务，UAI Train训练平台将负责处理计算节点调度、训练环境准备、数据上传下载以及容灾等问题。

UAI Train平台是面向AI训练任务的大规模分布式计算平台，在提供充足高性能GPU计算资源的同时，采用按需收费的模式，使用灵活、便捷。UAI训练平台适用于包括视频图像识别、自然语言处理、语音处理等等各类AI训练任务场景。 UAI Train平台在提供高性价比的GPU训练资源的同时，还提供了包括训练任务管理、训练任务容灾、训练日志查询等一系列功能服务。