选择YAML示例

集群调度为用户提供YAML示例，用户需要根据使用的组件、芯片类型和任务类型等，选择相应的YAML示例并根据需求进行相应修改后才可使用。

通过环境变量配置资源信息场景

若当前环境使用的是Atlas A2 训练系列产品，选择表1获取相应的YAML示例。
根据表1获取示例YAML后，Atlas 800T A2 训练服务器、Atlas 200T A2 Box16 异构子框和A200T A3 Box8 超节点可基于2.3.3.2-表使用Ascend Job的YAML参数给出的参数说明进行修改适配。
若当前环境使用的是Atlas 训练系列产品，选择表2获取相应的YAML示例。
根据表2获取示例YAML后，服务器（插Atlas 300T 训练卡）可基于Atlas 800 训练服务器的YAML，以及参考2.3.3.2-表使用Ascend Job的YAML参数给出的参数说明进行修改适配。
若当前环境使用的是Atlas A3 训练系列产品，选择表3获取相应的YAML示例。

表1 Atlas A2 训练系列产品支持的YAML
任务类型	硬件型号	训练框架	YAML文件名称	说明	获取链接
Ascend Job	Atlas 900 A2 PoD 集群基础单元	TensorFlow	tensorflow_multinodes_acjob_{xxx}b.yaml	示例默认为双机2卡任务。	选择相应的训练框架后，获取YAML 说明：芯片型号的数值可通过npu-smi info命令查询，返回的“Name”字段对应信息为芯片型号，下文的{xxx}即取“910”字符作为芯片型号数值。
		PyTorch	pytorch_multinodes_acjob_{xxx}b.yaml	示例默认为双机2卡任务。
		MindSpore	mindspore_multinodes_acjob_{xxx}b.yaml	示例默认为双机16卡任务。
		TensorFlow	tensorflow_standalone_acjob_{xxx}b.yaml	示例默认为单机单卡任务。
		MindSpore	mindspore_standalone_acjob_{xxx}b.yaml
		PyTorch	pytorch_standalone_acjob_{xxx}b.yaml
		PyTorch	pytorch_multinodes_acjob_{xxx}b_with_ranktable.yaml	示例默认为单机2卡任务。使用Ascend Operator组件生成RankTable文件。

表2 Atlas 训练系列产品支持的YAML
任务类型	硬件型号	训练框架	YAML文件名称	说明	获取链接
Ascend Job	Atlas 800 训练服务器	TensorFlow	tensorflow_multinodes_acjob.yaml	示例默认为双机8卡任务。	选择相应的训练框架后，获取YAML
		PyTorch	pytorch_multinodes_acjob.yaml	示例默认为双机16卡任务。
		MindSpore	mindspore_multinodes_acjob.yaml	示例默认为双机8卡任务。说明：若下发单机8卡的MindSpore任务，需要将mindspore_multinodes_acjob.yaml中minAvailable修改为2，Worker的replicas修改为1。
		TensorFlow	tensorflow_standalone_acjob.yaml	示例默认为单机单卡任务。
		PyTorch	pytorch_standalone_acjob.yaml
		MindSpore	mindspore_standalone_acjob.yaml

表3 Atlas A3 训练系列产品支持的YAML
任务类型	硬件型号	训练框架	YAML文件名称	说明	获取链接
Ascend Job	Atlas 900 A3 SuperPoD 超节点	TensorFlow	tensorflow_standalone_acjob_super_pod.yaml	示例默认为单机单卡任务。	选择相应的训练框架后，获取YAML
		PyTorch	pytorch_standalone_acjob_super_pod.yaml	示例默认为单机16卡任务。
		MindSpore	mindspore_standalone_acjob_super_pod.yaml	示例默认为双机16卡任务。

通过文件配置资源信息场景

若当前环境使用的是Atlas A2 训练系列产品，选择表4获取相应的YAML示例。
根据表1获取示例YAML后，Atlas 800T A2 训练服务器、Atlas 200T A2 Box16 异构子框和A200T A3 Box8 超节点可基于表2给出的参数说明进行修改适配。
若当前环境使用的是Atlas 训练系列产品，选择表5获取相应的YAML示例。

表4 Atlas A2 训练系列产品支持的YAML
任务类型	硬件型号	训练框架	YAML文件名称	说明	获取链接
Volcano Job	Atlas 900 A2 PoD 集群基础单元	TensorFlow	a800_tensorflow_vcjob.yaml	示例默认为单机16卡任务。	获取YAML
		PyTorch	a800_pytorch_vcjob.yaml
		MindSpore	a800_mindspore_vcjob.yaml
Deployment	Atlas 900 A2 PoD 集群基础单元	TensorFlow	a800_tensorflow_deployment.yaml	示例默认为单机16卡任务。	获取YAML
		PyTorch	a800_pytorch_deployment.yaml
		MindSpore	a800_mindspore_deployment.yaml

表5 Atlas 训练系列产品支持的YAML
任务类型	硬件型号	训练框架	YAML文件名称	说明	获取链接
Volcano Job	Atlas 800 训练服务器	TensorFlow	a800_tensorflow_vcjob.yaml	示例默认为单机8卡任务。	获取YAML
		PyTorch	a800_pytorch_vcjob.yaml
		MindSpore	a800_mindspore_vcjob.yaml
	服务器（插Atlas 300T 训练卡）	TensorFlow	a300t_tensorflow_vcjob.yaml	示例默认为单机单卡任务。
		PyTorch	a300t_pytorch_vcjob.yaml
		MindSpore	a300t_mindspore_vcjob.yaml
Deployment	Atlas 800 训练服务器	TensorFlow	a800_tensorflow_deployment.yaml	示例默认为单机8卡任务。
		PyTorch	a800_pytorch_deployment.yaml
		MindSpore	a800_mindspore_deployment.yaml
	服务器（插Atlas 300T 训练卡）	TensorFlow	a300t_tensorflow_deployment.yaml	示例默认为单机单卡任务。
		PyTorch	a300t_pytorch_deployment.yaml	示例默认为单机8卡任务。
		MindSpore	a300t_mindspore_deployment.yaml	示例默认为单机单卡任务。

父主题： 准备任务YAML