YAML参数说明

minAvailable

• 单机：1
• 分布式：N

N为节点个数，Deployment类型的任务不需要该参数，该参数建议与replicas保持一致。

replicas

• 单机：1
• 分布式：N

N为任务副本数。

maxRetry

0

Pod删除重启次数，弹性训练需关闭Pod重启，需要设置为0。

minReplicas

1

最小副本数，需要设置为任务需要的最小节点的数量。

fault-scheduling

grace

配置任务采用优雅删除模式，并在过程中先优雅删除原Pod，15分钟后若还未成功，使用强制删除原Pod。

force

暂不支持。

off

无（无fault-scheduling字段）

其他值

elastic-scheduling

on

开启弹性训练。

image

-

训练镜像名称，请根据实际修改（用户在准备训练镜像章节制作或者获取的镜像名称）。

（可选）host-arch

Arm环境：huawei-arm

x86_64环境：huawei-x86

需要运行训练任务的节点架构，请根据实际修改。

分布式任务中，请确保运行训练任务的节点架构相同。

accelerator-type

根据所使用芯片类型不同，取值如下：

Atlas 800 训练服务器（NPU满配）：module

-

huawei.com/Ascend910

根据所使用芯片类型不同，取值如下：

请求的NPU数量，请根据实际修改，请求整卡时不能再请求vNPU。

ring-controller.atlas

Atlas 800 训练服务器（NPU满配）取值为：ascend-910

用于区分任务使用的芯片的类型。需要在ConfigMap和任务task中配置。

metadata.annotations['huawei.com/AscendXXX']

XXX表示芯片的型号，支持的取值为910，310和310P。取值需要和环境上实际的芯片类型保持一致。

Ascend Docker Runtime会获取该参数值，用于给容器挂载相应类型的NPU。