ML Space

Подключиться по SSH к задаче обучения

К исполняемой в регионе задаче можно подключиться по протоколу SSH. Такое подключение позволит оперативно просматривать информацию о задаче, а также выполнять отладку.

Условия подключения по SSH

Подключение по SSH возможно из терминала Jupyter Notebook или JupyterLab, а также из терминала своего персонального компьютера. Для подключения должны быть соблюдены следующие условия:

При создании Jupyter Server использован образ jupyter-server версии 0.0.90 и выше.
Задача обучения отправлена в регион и запущена, под стартовал. Если задача еще находится в очереди или уже завершилась, подключиться по SSH к ней не получится.

Настройка подключения

Создайте Jupyter Server с образом cr.ai.cloud.ru/aicloud-jupyter/jupyter-server версии 0.0.90 и выше.
Выберите JupyterLab.
Запустите терминал.

См.также
Нестабильная работа терминала Jupyter Server из Яндекс.Браузера
Подключитесь к задаче обучения по SSH:
1. К заданному хосту задачи обучения с помощью команды by-host:
```
mlspace   ssh   by-host   lm-mpi-job-842ec184-4610-420e-9ca8-8198ddf9167e-mpiworker-1
```
  Где lm-mpi-job-842ec184-4610-420e-9ca8-8198ddf9167e-mpiworker-1 — хост, к которому нужно осуществить подключение.
2. К заданному воркеру задачи обучения с помощью команды by-rank:
```
mlspace   ssh   by-rank   lm-mpi-job-842ec184-4610-420e-9ca8-8198ddf9167e   --rank   1 
```
Где:
- lm-mpi-job-842ec184-4610-420e-9ca8-8198ddf9167e — имя задачи обучения.
- --rank 1 — номер воркера, к которому нужно осуществить подключение.

Примечание

Подключение по SSH к задаче обучения доступно только из Jupyter Server, который:

находится в том же регионе и воркспейсе, где запущена эта задача обучения;
имеет версию CLI-утилиты 0.23.2 и выше.

Была ли статья полезной ?

Предыдущая статья

Удалить окружение

Следующая статья

Использовать GitLab CI при работе с Environments