ML Space CLI

Быстрый старт

С помощью этой статьи вы установите ML Space CLI и запустите первую задачу обучения.

Системные требования

Python 3.10
OS UNIX

Для работы с ML Space CLI на ОС Windows используйте утилиту cmder.

Установите утилиту

В терминале выполните команду:

pip install --index-url https://gitverse.ru/api/packages/cloudru/pypi/simple/ --extra-index-url https://pypi.org/simple --trusted-host gitverse.ru

Задайте версию mls==0.5, иначе могут быть установлены не относящиеся к проекту пакеты.

SDK mls-core установится автоматически.

Сконфигурируйте профиль

Выполните команду:
```
mls configure --profile
```
Введите следующие значения:
1. API key ID — соответствует ключу API Key ID, который можно сгенерировать в личном кабинете.
2. API key secret — соответствует ключу API Key custom_connector_secret, который можно сгенерировать в личном кабинете.
3. Workspace ID — соответствует параметру x-workspace-id, который можно посмотреть в параметрах разработчика ML Space.
4. Workspace API Key — соответствует параметру x-api-k, который можно посмотреть в параметрах разработчика ML Space.
5. Default region name — название региона размещения ресурсов.
6. Default output format — json или text.

Запустите задачу обучения

С помощью команды submit, указанной ниже, запустится задача:

типа pytorch2,
из скрипта test_pytorch2_torch2.py, расположенного в /home/jovyan/jobs_tests/,
с базовым образом cr.ai.cloud.ru/aicloud-base-images/py3.10-torch2.1.2:0.0.40,
типом инстанса v100.1gpu.

mls job submit --script /home/jovyan/jobs_tests/test_pytorch2_torch2.py --image cr.ai.cloud.ru/aicloud-base-images/py3.10-torch2.1.2:0.0.40 --instance_type v100.1gpu --type pytorch2

Что дальше

Посмотрите логи запущенной задачи или запустите другие задачи обучения.

Была ли эта статья полезна?

Поддержка Юридические документы