前提条件

请按照表1所示，获取对应操作系统的软件包，并准备镜像所需的Dockerfile文件与脚本文件。

断点续训会使用到基础训练镜像，该镜像的制作可参考使用Dockerfile构建容器镜像（PyTorch）章节进行操作。

表1 所需软件
软件包	是否必选	说明	获取方法
mindx_elastic-{version}-py3-none-linux_{arch}.whl	否使用优雅容错模式、Pod级别重调度或者进程级别重调度功能时，必须安装该whl包。	集群调度组件断点续训whl包，arch为CPU架构，可选AArch64或x86_64。	获取链接说明：用户通过获取链接得到的是Elastic Agent压缩包，需要通过解压后，获得相应的whl软件包。自6.0.0.SPC1版本起，删除Elastic Agent path相关说明。
mindio_ttp-{version}-cp3x-cp3x-linux_{arch}.whl	是	集群调度组件断点续训whl包，arch为CPU架构，可选AArch64或x86_64。当前可支持Python 3.7、Python 3.8、Python 3.9、Python 3.10、Python 3.11，软件包名中x表示7、8、9和10、11，请根据实际情况选择对应软件包。	获取链接说明：用户通过获取链接得到的是MindIO压缩包，需要通过解压后，再根据实际的Python版本，获得相应的whl软件包。
Dockerfile	是	制作镜像需要。	参见Dockerfile编写示例。
MindSpeed源码	是训练模型为LLaMA2时，必须安装该软件。	-	获取链接

为了防止软件包在传递过程中或存储期间被恶意篡改，下载软件包时需下载对应的数字签名文件用于完整性验证。

在软件包下载之后，请参考《OpenPGP签名验证指南》，对从Support网站下载的软件包进行PGP数字签名校验。如果校验失败，请不要使用该软件包，先联系华为技术支持工程师解决。

使用软件包安装/升级之前，也需要按上述过程先验证软件包的数字签名，确保软件包未被篡改。

运营商客户请访问：https://support.huawei.com/carrier/digitalSignatureAction

企业客户请访问：https://support.huawei.com/enterprise/zh/tool/pgp-verify-TL1000000054

软件包名称中{version}表示版本号，{arch}表示CPU架构。

操作步骤

以Ubuntu操作系统为例。

以root用户登录服务器。
将准备好的MindSpeed源码、“mindx_elastic-6.0.0-py3-none-linux_{arch}.whl”和“mindio_ttp-1.0.0-cp3x-cp3x-linux_{arch}.whl”上传到服务器任意目录（如“/home/test”）。
执行以下步骤准备Dockerfile文件。
1. 进入软件包所在目录，执行以下命令创建Dockerfile文件（文件名示例“Dockerfile”）。
```
vi Dockerfile
```
2. 请参见Dockerfile编写示例，将内容写入Dockerfile文件后执行:wq命令保存内容。

进入软件包所在目录，执行以下命令，构建容器镜像，注意不要遗漏命令结尾的“.”。

docker build -t  [OPTIONS] 镜像名_系统架构:镜像tag .

例如：

docker build -t test_train_arm64:v1.0 .

命令解释如表2所示。

表2 命令参数说明
参数	说明
-t	指定镜像名称。
OPTIONS	“--disable-content-trust”选项：忽略校验，默认开启。出于安全考虑，这里推荐设置关闭。
镜像名_系统架构:镜像tag	镜像名称与标签，请用户根据实际情况写入。

当出现“Successfully built xxx”表示镜像构建成功。

构建完成后，执行以下命令查看镜像信息。

docker images

显示示例。

REPOSITORY                TAG                 IMAGE ID            CREATED             SIZE
test_train_arm64          v1.0                d82746acd7f0        27 minutes ago      749MB

Dockerfile编写示例

使用过程中请根据实际情况修改软件包版本及架构。

Ubuntu Arm系统Dockerfile示例。

FROM 基础训练镜像
ARG MINDX_ELASTIC_PKG=mindx_elastic-6.0.0-py3-none-linux_aarch64.whl
ARG MINDIO_TTP_PKG=mindio_ttp-1.0.0-cp3x-cp3x-linux_aarch64.whl
WORKDIR /tmp 
COPY . ./ 

ENV http_proxy xxx
ENV https_proxy xxx
 
# MindCluster无损失断点续训适配脚本
RUN pip3 install $MINDX_ELASTIC_PKG
RUN pip3 install $MINDIO_TTP_PKG

# 可选，使用优雅容错、Pod级别重调度或进程级别重调度时必须配置以下命令
RUN sed -i '/import logging/i import mindx_elastic.api' $(pip3 show torch | grep Location | awk -F ' ' '{print $2}')/torch/distributed/run.py


# 安装MindSpeed
RUN cp -r MindSpeed /root && \
         cd /root/MindSpeed && \
         pip install -r requirements.txt && \
         pip install -e . && \
         cd /tmp

# 增加安装任务调度依赖库
RUN pip install apscheduler
RUN pip install pyOpenSSL 

 
# 如果需要对安装文件的目录权限进行限制，可以在此处根据Python的安装路径进行更改。推荐的程序目录和文件权限为550，例如chmod 550 -R Elastic Agent安装路径

ENV http_proxy "" 
ENV https_proxy "" 

RUN rm -f /tmp/$MINDX_ELASTIC_PKG
RUN rm -f /tmp/$MINDIO_TTP_PKG

Ubuntu x86_64系统Dockerfile示例。

FROM 基础训练镜像
ARG MINDX_ELASTIC_PKG=mindx_elastic-6.0.0-py3-none-linux_x86_64.whl
ARG MINDIO_TTP_PKG=mindio_ttp-1.0.0-cp3x-cp3x-linux_x86_64.whl
WORKDIR /tmp 
COPY . ./ 
 
ENV http_proxy xxx
ENV https_proxy xxx

# MindCluster无损失断点续训适配脚本
RUN pip3 install $MINDX_ELASTIC_PKG
RUN pip3 install $MINDIO_TTP_PKG

# 可选，使用优雅容错、Pod级别重调度或进程级别重调度时必须配置以下命令
RUN sed -i '/import logging/i import mindx_elastic.api' $(pip3 show torch | grep Location | awk -F ' ' '{print $2}')/torch/distributed/run.py

# 安装MindSpeed
RUN cp -r MindSpeed /root && \
         cd /root/MindSpeed && \
         pip install -r requirements.txt && \
         pip install -e . && \
         cd /tmp

# 增加安装任务调度依赖库
RUN pip install apscheduler
RUN pip install pyOpenSSL 

# 如果需要对安装文件的目录权限进行限制，可以在此处根据Python的安装路径进行更改。推荐的程序目录和文件权限为550，例如chmod 550 -R Elastic Agent安装路径
 
ENV http_proxy "" 
ENV https_proxy "" 

RUN rm -f /tmp/$MINDX_ELASTIC_PKG
RUN rm -f /tmp/$MINDIO_TTP_PKG

为了使Dockerfile更加安全，用户可以根据业务在其中定义HEALTHCHECK检查。通过在容器内部运行HEALTHCHECK [OPTIONS] CMD命令来检查容器的运行状况。

制作PyTorch框架镜像

前提条件

操作步骤

Dockerfile编写示例