提交与删除任务

提交任务

平台支持通过 UI 提交训练任务，无需繁琐的 k8s 操作。用户可以点击 Workloads 页面右上角的 “Create” 按钮，进入任务提交页面：

按需填写表单后，点击右下角的 “Create” 即可提交任务。

对于分布式训练任务，平台在每个 pod 中提供以下实用的环境变量：

MASTER_ADDR：分布式训练任务中主节点的地址
MASTER_PORT：分布式训练任务中主节点的端口号
WORLD_SIZE：分布式训练任务中使用的机器总数
RANK：当前 pod 的 “ID”（即 RANK）借助这些环境变量，提交分布式训练任务变得非常便捷。以 PyTorch 的 torchrun 命令为例，你无需声明 MAST_ADDR 等环境变量，系统会自动为你配置：

torchrun \
--nproc_per_node 8 \  
train.py

任务提交后，将被加入队列并等待调度。

在任务执行期间，你可以查看任务详情、任务日志、任务监控等信息。

平台支持对现有任务配置稍作修改后作为新任务提交。用户可以点击待克隆任务右侧的 “Clone” 按钮进入 Clone 页面。

在 Clone 页面中，任务相关配置已全部加载完成。你可以稍作修改后提交一个新任务。你也可以不做任何更改直接提交，这等同于”重新提交”——本质上是用原有设置创建一个新任务。

有时，用户可能希望以相同配置重新提交任务，以排除执行过程中的随机因素。平台允许用户使用现有任务配置提交一个完全相同的任务。用户可以点击任务右侧的 “Resubmit” 按钮，以相同配置重新提交任务。

平台还支持批量重新提交任务。用户可以选择多个任务，点击右上角的 “Resubmit” 按钮进行批量重新提交。

有时，用户可能在执行过程中发现任务的运行状态不符合预期（例如参数设置错误、loss 波动异常），并希望中途停止任务，同时保留记录以便后续克隆或重新提交。平台允许用户点击任务右侧的 “Stop” 按钮停止正在运行的任务。

任务停止后，状态将变为 “Stopped”。

平台允许用户删除任务。无论任务当前是否正在运行，用户都可以直接删除。用户可以点击待删除任务右侧的 “Delete” 按钮，删除单个任务。

平台还支持批量删除任务。用户可以选择多个任务，点击右上角的 “Delete” 按钮进行批量删除。

⌘I