MLOps Academy · Pelajaran

Jalankan Latihan sebagai Tugas Kubernetes

Laksanakan latihan kelompok sehingga selesai dalam kluster.

Pelajaran 4 daripada 413 langkah

Jalankan Latihan sebagai Tugas Kubernetes ialah pelajaran MLOps Academy percuma di CoddyKit. Ini ialah pelajaran 4 daripada 4. Anda boleh membaca keseluruhan pelajaran di bawah secara percuma — kemudian berlatih secara praktikal dalam pelayar menggunakan penyunting kod terbina dalam dan tutor kecerdasan buatan 24/7. Pelajaran ini merupakan sebahagian daripada laluan pembelajaran MLOps Academy, dan kemajuan anda disegerakkan merentas web serta aplikasi CoddyKit. Kursus MLOps Academy merangkumi sejumlah 4 pelajaran.

Latihan Bukan Pelayan

Pelayan model berjalan selama-lamanya, tetapi satu proses latihan sepatutnya bermula, selesai, dan berhenti. Kubernetes mempunyai objek berbeza yang direka untuk tujuan itu: Job. 🏁

Job Berjalan hingga Selesai

Job mencipta satu atau lebih Pod dan memantaunya sehingga Pod tersebut berjaya keluar. Setelah latihan berjaya, Job selesai dan membebaskan sumbernya.

apiVersion: batch/v1
kind: Job
metadata:
  name: train-ranker
spec:
  template:
    spec:
      restartPolicy: Never

restartPolicy Tidak Boleh Menjadi Always

Pod bagi Job mesti menggunakan restartPolicy Never atau OnFailure. Always adalah untuk pelayan dan Kubernetes menolaknya bagi Job yang sepatutnya tamat.

Percubaan Semula dengan backoffLimit

Latihan boleh gagal akibat muat turun yang tidak stabil. backoffLimit menetapkan bilangan kali Job mencuba semula Pod yang gagal sebelum berhenti selama-lamanya.

spec:
  backoffLimit: 4
  activeDeadlineSeconds: 3600

Hadkan Masa Jalan untuk Mengelakkan Proses Tidak Terkawal

Tetapkan activeDeadlineSeconds supaya latihan yang tergendala tidak menggunakan nod GPU yang mahal sepanjang hujung minggu. Job akan dihentikan sebaik sahaja had itu dicapai. ⏱️

Minta GPU yang diperlukan

Job latihan menggunakan blok sumber yang sama seperti Deployment. Tambahkan nvidia.com/gpu di bawah had supaya proses itu dijalankan pada nod GPU.

Keselarian untuk Sapuan

Tetapkan completions dan parallelism untuk menjalankan banyak Pod, sesuai untuk sapuan hiperparameter apabila setiap Pod melatih satu konfigurasi pada satu-satu masa.

Log dan Artifak Kekal Selepas Pod

Pod Job yang telah selesai akan hilang, jadi tulis model dan metrik anda ke storan tahan lama seperti S3 atau volume, bukannya sistem fail Pod.

CronJob untuk Latihan Semula Berjadual

Bungkus Job dalam CronJob untuk menjalankan latihan semula mengikut jadual, contohnya setiap malam. Ia mencipta Job baharu setiap kali ungkapan cron dicetuskan.

apiVersion: batch/v1
kind: CronJob
spec:
  schedule: "0 2 * * *"

Bersihkan Job yang Telah Selesai

Job yang selesai kekal secara lalai dan memenuhi kluster. Tetapkan ttlSecondsAfterFinished supaya Kubernetes memadamkannya secara automatik selepas tempoh ihsan.

Pantau Status dengan kubectl

Semak proses dengan kubectl get jobs dan baca output dengan kubectl logs. status memaparkan bilangan yang berjaya atau gagal sepintas lalu.

kubectl get jobs
kubectl logs job/train-ranker

Semakan Pantas

Mengapakah Job, bukannya Deployment, sesuai untuk latihan?

Jawab dalam pelajaran interaktif

Ringkasan

Jalankan latihan yang mempunyai penghujung sebagai Job dengan restartPolicy Never, backoffLimit dan had masa jalan, kemudian jadualkan latihan semula dengan CronJob. ✅

Percuma untuk bermula

Pelajari Python dengan tutor kecerdasan buatan — percuma

Tulis dan jalankan kod sebenar dalam pelayar anda, dapatkan bantuan segera daripada tutor kecerdasan buatan yang tersedia 24/7, dan sambung semula dari tempat anda berhenti di web atau dalam aplikasi.

Kursus: 30
Pelajaran: 120

Mula belajar secara percuma Lihat kursus penuh

Soalan Lazim

Adakah pelajaran “Jalankan Latihan sebagai Tugas Kubernetes” percuma?

Ya — teks penuh “Jalankan Latihan sebagai Tugas Kubernetes” boleh dibaca secara percuma di web ini. Untuk berlatih secara interaktif menggunakan penyunting kod terbina dalam dan tutor kecerdasan buatan 24/7, serta membuka kunci baki kursus MLOps Academy, tingkat taraf kepada CoddyKit PRO. Kursus MLOps Academy merangkumi sejumlah 4 pelajaran.

Apakah yang akan saya pelajari dalam “Jalankan Latihan sebagai Tugas Kubernetes”?

Laksanakan latihan kelompok sehingga selesai dalam kluster. Anda berlatih MLOps Academy menggunakan kod praktikal yang dijalankan terus dalam pelayar, manakala tutor kecerdasan buatan 24/7 menjawab soalan anda semasa anda mengikuti pelajaran.

Adakah saya memerlukan pengalaman untuk memulakan MLOps Academy?

Tiada pengalaman terdahulu diperlukan. Pembelajaran MLOps Academy di CoddyKit disusun untuk pelajar daripada peringkat pemula hingga lanjutan, jadi anda boleh bermula di sini atau dari awal dan belajar mengikut kadar anda sendiri. Ini ialah pelajaran 4 daripada 4.

Berapa lamakah pelajaran “Jalankan Latihan sebagai Tugas Kubernetes” diambil?

Kebanyakan pelajaran CoddyKit mengambil masa kira-kira 5–10 minit. Setiap pelajaran ringkas dan interaktif, jadi anda boleh membuat kemajuan secara berterusan dan menyambung tepat dari tempat anda berhenti di web atau aplikasi.

Bolehkah saya menulis dan menjalankan kod dalam pelajaran MLOps Academy ini?

Ya. Setiap pelajaran MLOps Academy menyertakan penyunting kod terbina dalam, jadi anda boleh menulis dan menjalankan kod sebenar terus dalam pelayar serta menerima maklum balas kecerdasan buatan serta-merta — tanpa memerlukan persediaan setempat.

Semua pelajaran dalam kursus ini

Pod, Deployment dan Service untuk Model
Minta CPU, Memori dan GPU
Konfigurasikan dengan ConfigMaps dan Secrets
Jalankan Latihan sebagai Tugas Kubernetes

← Kembali ke MLOps Academy