前提條件

• 確保您已經創建Serverless集群，具體操作請參閱創建Serverless集群 。

• 已開通天翼云彈性文件或對象存儲服務，用于存儲tensorflow訓練結果。

背景信息

TensorFlow是一個開源的機器學習框架，由Google開發和維護。它提供了一個靈活的編程環境，可以用于構建和訓練各種機器學習模型，包括神經網絡。TensorFlow使用圖形計算的方式來表示計算任務，并通過優化技術來實現高效的計算。它支持多種編程語言，包括Python和C++，并且可以在各種硬件平臺上運行，包括CPU、GPU和TPU。TensorFlow已經成為機器學習和深度學習領域最受歡迎的框架之一，被廣泛應用于各種領域，如圖像識別、自然語言處理、推薦系統等。

準備工作

1. 準備訓練數據和容器鏡像。

   1. 訓練數據：本文以Github的一個TensorFlow訓練任務為例。

   2. 容器鏡像：在最佳實踐中，已準備好適用的示例鏡像，示例鏡像已上傳到天翼云容器鏡像倉庫中。

2. 創建鏡像緩存。在ECI控制臺的鏡像緩存頁面手動創建鏡像緩存，如下圖所示：

創建鏡像緩存時需拉取鏡像，受鏡像大小和網絡的影響，需要一定時間。可通過鏡像緩存列表頁或者鏡像緩存詳情頁查看進度。鏡像緩存狀態顯示ready時，表示鏡像緩存已經創建成功。

3. 創建NAS文件系統。在文件存儲控制臺創建文件系統。NAS文件系統需和ACK Serverless集群處于同一VPC。

操作步驟

1. 創建NAS文件系統對應的PV和PVC。

準備YAML文件。示例static-nas.yaml的內容如下：

apiVersion: v1
kind: PersistentVolume
metadata:
  annotations:
    pv.kubernetes.io/provisioned-by: nas.csi.cstor.com
  name: pvc-pv-static-nas
  namespace: default
spec:
  accessModes:
  - ReadWriteOnce
  capacity:
    storage: 500Gi
  csi:
    driver: nas.csi.cstor.com
    volumeAttributes:
      server: "172.xx.xx.xxx:/mnt/sfs_cap/xxxxxxaa91d_34uhx3bu11i485pg"
    volumeHandle: 0104-0D-pv-static-nas
  mountOptions:
  - vers=3
  - proto=tcp
  - async
  - nolock
  - noatime
  - nodiratime
  - noresvport
  - wsize=1048576
  - rsize=1048576
  - timeo=600
  volumeMode: Filesystem
--- 
apiVersion: v1
kind: PersistentVolumeClaim
metadata:
  annotations:
    volume.beta.kubernetes.io/storage-provisioner: nas.csi.cstor.com
  name: pvc-static-nas
  namespace: default
spec:
  accessModes:
  - ReadWriteOnce
  resources:
    requests:
      storage: 500Gi
  volumeMode: Filesystem
  volumeName: pvc-pv-static-nas

創建pv和pvc。

kubectl create -f static-nas.yaml

2. 創建ECI Pod來運行訓練任務。

準備YAML文件。示例tensorflow.yaml的內容如下：

apiVersion: v1
kind: Pod
metadata:
  name: tensorflow
  labels:
    app: tensorflow
  annotations:
    k8s.daliqc.cn/eci-use-specs: "pi7.4xlarge.4"   # 指定GPU規格
    k8s.daliqc.cn/eci-image-cache:   "true"   # 開啟自動匹配鏡像緩存 
spec:
  restartPolicy: OnFailure
  containers:
    - name: tensorflow
      image: user1-registry-huadong1.crs-internal.daliqc.cn/library/tensorflow:1.0.0
      command:
        - python
      args:
        - /home/classify_image/classify_image.py      # 容器啟動后執行訓練腳本
      resources:
        limits:
          daliqc.cn/gpu: "1"   # 容器所需的GPU個數
      volumeMounts:             # 掛載NAS，將訓練結果持久化存儲
        - name: pvc-nas
          mountPath: /tmp/classify_image_model
  volumes:
    - name: pvc-nas
      persistentVolumeClaim:
        claimName: pvc-static-nas

創建Pod。

kubectl create -f tensorflow.yaml

3. 查看訓練任務的執行情況。

kubectl get pod

等待ECI實例創建并運行完成，然后就可以到彈性文件中查看訓練結果。