AI Lab 训练模型 - 用户¶
前面的教程用的是模型广场里的现成模型。如果要用自己的数据和代码训练模型, 可以在 AI Lab 中完成数据集管理、Notebook 调试与分布式训练的完整流程。 本教程以 Tensorflow 训练 Fashion-MNIST 为例走通最小链路。
前提条件¶
- 已创建带 GPU 节点的工作集群,参见创建工作集群。
- 已用具有 AI Lab 权限的用户登录控制台,且工作空间已绑定命名空间。
- 集群中存在读写模式为
ReadWriteMany的存储类(推荐 NFS 或 JuiceFS),供数据集挂载使用。
Note
AI Lab(baize)在 manifest 中默认开启;若控制台未显示该模块,
参阅安装 AI Lab 组件。
操作步骤¶
-
准备数据集:在 数据管理 -> 数据集 中点击 创建,依次创建三个数据集:
数据集 用途 数据源 训练代码 存放训练脚本 tensorflow/tf-fashion-mnist-sample(示例仓库)训练数据 Fashion-MNIST 数据集 gitee.com/samzong_lu/fashion-mnist.git 空数据集(PVC) 存放训练产物 空数据源,由平台分配 PVC 
-
准备环境依赖:在 环境依赖 中创建一个 CONDA 环境,预装 Tensorflow, 预热成功后即可挂载到 Notebook 和训练任务,无需构建镜像:
name: tensorflow channels: - defaults - conda-forge dependencies: - python=3.12 - tensorflow prefix: /opt/conda/envs/tensorflow
-
Notebook 中调试脚本:
- 在 Notebooks 中点击 创建,关联上述三个数据集(挂载路径参考创建页提示)并绑定 Tensorflow 环境。
-
创建成功后,点击列表中的访问地址进入 Notebook,在终端运行:

-
提交训练任务:
-
在 任务中心 -> 训练任务 中创建一个 Tensorflow 单机任务,镜像用默认镜像,启用命令:
-
在高级配置中启用 任务分析(Tensorboard),点击 确定 提交。

-
等任务状态变为 成功 后,在左侧导航 任务分析 中查看训练曲线并对任务调优。

-
验证结果¶
训练任务状态为 成功,且任务分析中能看到 Loss/Accuracy 曲线,输出数据集中已写入模型与日志,即表示训练链路贯通。
下一步¶
把训练好的模型发布为推理服务,参阅创建模型后在大模型服务平台中部署; 了解 Notebook 的 SSH 访问、闲置关机等完整用法,参阅 Notebook与训练任务。