在开发环境和训练任务中挂载数据集

将数据集挂载到开发环境或训练任务后，代码才能通过容器内路径读取数据。挂载时，请选择当前工作负载可用的数据集，按需指定子目录，并配置容器内挂载路径。

​

挂载路径与读写边界

挂载数据集不会自动改写脚本或转换数据格式。训练脚本、Notebook 或服务代码中的数据路径需要与容器挂载路径一致。

• 输入与输出分离：数据集适合作为输入数据，训练输出、checkpoint、Notebook、临时文件和中间结果建议写入可写 Volume。
• 按需挂载子目录：如果数据集包含多个版本或子集，可以只挂载需要使用的部分，减少路径层级，也便于代码定位目标数据。
• 避免覆盖关键目录：请避免挂载到 /opt、/workspace 或 /usr 等镜像自带目录，也不要与其他 Volume、数据集或模型挂载路径冲突。

​

挂载到开发环境

1. 创建 JupyterLab 或 VS Code Server 开发环境。
2. 在数据集挂载配置中选择目标数据集，并核对数据版本和源目录。
3. 按需选择子目录，并配置容器内挂载路径。
4. 提交创建。

开发环境启动后，进入挂载路径，列出目录并读取少量样本，确认数据可读。开发过程中产生的代码、Notebook、依赖缓存和中间结果，建议写入 Volume。

​

挂载到训练任务

1. 创建训练任务。
2. 在数据集挂载配置中选择目标数据集，并核对数据版本和源目录。
3. 按需选择子目录，并配置容器内挂载路径。
4. 提交创建。

任务启动后，训练脚本应从挂载路径读取数据。建议先验证列目录、读取样本和数据加载，再运行完整任务。训练输出、checkpoint 和模型文件建议写入 Volume，便于任务结束后继续保留和复用。

​

排查挂载问题

如果容器内无法读取数据集，可以按以下顺序检查：

1. 目标数据集是否在当前区域、集群和工作负载中可用。
2. 区域、集群与开发环境或训练任务是否一致，或是否处于可访问范围内。
3. 子目录是否填写正确。
4. 代码读取路径是否与容器内挂载路径一致。
5. 挂载路径是否覆盖镜像自带目录，或与其他挂载路径冲突。

​

相关文档

• 使用内置数据集