第 2 章 准备分布式培训环境

流程

1. 登录到 Red Hat OpenShift AI web 控制台。

2. 如果要将工作台添加到现有项目中，请打开项目并继续下一步。

   如果要将工作台添加到新项目中，请按如下所示创建项目：

   1. 在左侧导航窗格中，单击 Data Science projects，然后单击 Create project。
   2. 输入项目名称，以及可选的描述，然后点 Create。项目详情页面将打开，默认选择 Overview 选项卡。

3. 创建一个工作台，如下所示：

   1. 在项目详情页面上，单击 Workbench 选项卡，再单击 Create workbench。
   2. 输入工作台名称，以及可选的描述。

   3. 在 Workbench image 部分中，从 Image 选择 列表中选择适合您的培训或调优作业的镜像。如果存在项目范围内的镜像，Image 选择 列表包含子标题，以区分全局镜像和项目范围内的镜像。

      例如，要使用 Kubeflow 培训 运行 Fine-tuning model 中描述的示例微调作业，请选择 PyTorch。

   4. 在 Deployment size 部分中，从 Hardware profile 列表中为您的工作台选择一个合适的硬件配置集。

      如果存在项目范围内的硬件配置文件，则 Hardware profile 列表包含子标题，以区分全局硬件配置文件和项目范围内的硬件配置文件。

      硬件配置集指定分配给容器的 CPU 数量和内存量，为两者设置保证最小值(request)和最大值(limit)。

   5. 如果要更改默认值，点 Customize resource requests and limit，并输入新的最小值(request)和最大值(limit)值。

   6. 在 Cluster storage 部分，点 Attach existing storage 或 Create storage 指定存储详情，以便您可以在工作台间共享数据以及培训或调优运行。

      例如，要使用 Kubeflow training 运行 Fine-tuning model 中描述的微调作业示例，请指定 ReadWriteMany (RWX)功能的存储类。

   7. 检查存储配置并点 Create workbench。