离线任务使用说明

使用离线任务进行长时间训练

如何提交及查看离线任务

离线任务使用说明

简介

离线任务功能旨在为用户提供一种高效、便捷的方式来进行长时间的AI任务训练。与传统的在线训练方式相比，离线任务具有如下优势：

可以避免因为网络连接不稳定、断开或者带宽限制等问题而导致训练过程中断，从而保证训练效果；
可以节约计算资源和时间成本。您可以将需要训练的数据集和模型上传到我们的平台上，然后通过提交任务的方式来启动训练过程。这样可以避免自己购买和维护昂贵的计算设备或云服务，同时也能够避免因为计算资源不足而导致的训练速度缓慢。
具有更好的灵活性和可扩展性。您可以根据自己的需求和实际情况来配置训练参数和规模，同时还可以对训练过程进行监控和调试。

通过使用我们的离线任务功能，您可以更加高效、便捷地进行长时间的AI任务训练，并且能够获得更好的训练效果和保障。欢迎尝试并享受这个全新的体验！

使用推荐：结合矩池云个人网盘/团队网盘使用离线任务，持久保存训练数据、模型、训练结果和日志。

本期功能：

支持配置单机单卡实例，暂不支持单机多卡或多机多卡的实例
支持普通容器实例，不支持Windows实例、不支持支持docker实例
界面支持从个人网盘选取训练脚本，不支持从团队网盘/课程网盘选取脚本（可自行写命令）

权限开通

离线任务权限目前由人工进行分配，需要使用的用户，请联系小助手。授权具有有效期，到期后，可联系小助手进行免费续期。

计费逻辑

离线任务当前仅收取实例使用的费用，即任务所运行的实例按照按时租用价格消耗的费用，时长卡、算力豆、优惠券亦可抵扣，具体参考计费规则

提交任务

建议在提交任务前，先通过租用实例在交互式界面上验证脚本是否可正常启动。

字段说明：

任务名称：必填，当前任务名称，同时会赋予给任务启动的实例；

运行区域：必填，每个区域配置的实例、网盘、镜像、环境等资源有所不同，请按需选择；

实例配置：必填，选择列表中展示了 运行区域内所有的实例类型；

运行环境：必填，选择列表中展示了所选实例支持运行的环境和镜像资源；

环境变量：环境变量的录入格式为：name=matpool;value=100

执行命令：必填，支持从运行区域的个人网盘中导入.py或.sh脚本。选择好脚本后，系统自动生成执行命令。此命令将在实例中运行选中的脚本并将运行日志输出到个人网盘中。

注：

如果选择.py文件，系统默认使用矩池云安装的Python解释器，路径为/root/miniconda3/envs/myconda/bin/python，如果自己conda新建了环境，则改成对应的环境路径即可。
脚本运行结果默认存放在个人网盘目录下（/mnt）

执行文件模版

test.sh模版：

shell

#!/bin/bash

#Task 1: 打印环境变量 name 和 value
echo "Name Environment Variable: $name"
echo "Value Environment Variable: $value"

#Task 2: 循环打印 10 次 "hello matpool" 消息，并在每次消息输出后间隔 10 秒钟
count=1
while [ $count -le 10 ]
do
    echo "hello matpool"
    sleep 10
    count=$((count + 1))
done

test.py脚本：

python

import os
import time

#Task 1: 打印环境变量 name 和 value
name = os.environ['name']
value = os.environ['value']
print(f"Name Environment Variable: {name}")
print(f"Value Environment Variable: {value}\n")

#Task 2: 循环打印 10 次 "hello matpool" 消息，并在每次消息输出后间隔 10 秒钟
count = 1
while count <= 10:
    print("hello matpool")
    time.sleep(10)
    count += 1

任务状态

任务的整个生命周期中，包含三个状态：

启动中：任务处于等待资源、排队调度的阶段，此时尚未分配实例资源；

运行中：此状态下，任务获得实例资源，开始运行，此时已经分配实例资源，可通过界面的查看详情按钮跳转查看实例状态；

已终止：此状态下，取消任务、停止任务运行、终止任务操作，实例侧释放实例操作及任务自身运行完毕等场景都会结束此任务。注：任务终止后，任务对应的实例将自动释放。