定制训练任务Docker镜像

简介

Xiaomi Cloud-ML支持Bring Your Own Image功能，允许用户传入自定义的Docker镜像来启动训练任务，可以解决训练任务依赖非Python库的问题。

注意，用户提供的镜像地址应该是公开可访问的，如果在DockerHub中下载镜像和启动任务时间较长。

制作Docker镜像

Cloud-ML的镜像中包含了平台通用的python，nvidia cuda，FDS FUSE等软件依赖。因此不推荐用户从头制作docker镜像，建议使用Cloud-ML的镜像作为基础镜像，进行增量修改。 和普通docker镜像制作过程相同，用户可以使用Dockerfile和docker commit两种方式制作新的镜像。下面分别举例介绍两种方式。

使用Dockerfile制作docker镜像

创建Dockerfile，使用某个Cloud-ML镜像作为基础镜像，添加用户自定义的内容。举例如下：

FROM cnbj6-repo.cloud.mi.com/cloud-ml/tensorflow-gpu:1.3.0-xm1.0.0

# Install python3
apt-get install python3

# Add local files
COPY init_env.py /

编译Dockerfile，生成镜像

docker build -t cnbj6-repo.cloud.mi.com/user1/tensorflow-gpu:1.3.0-xm1.0.0-python3 .

推送镜像到docker registry, (不熟悉docker registry的用户可以参考http://docs.api.xiaomi.com/app-engine/docker-image.html)

docker login cnbj6-repo.cloud.mi.com
docker push cnbj6-repo.cloud.mi.com/user1/tensorflow-gpu:1.3.0-xm1.0.0-python3

使用docker commit制作docker镜像

使用某个Cloud-ML镜像创建容器，进入容器后添加用户自定义的内容

docker run it --name mycontainer1 cnbj6-repo.cloud.mi.com/cloud-ml/tensorflow-gpu:1.3.0-xm1.0.0 bash
apt-get install python3
echo "export PYTHONUNBUFFERED=0" > /init_env.py

打包docker容器，生成镜像

docker commit --change='CMD /train.py' mycontainer1 cnbj6-repo.cloud.mi.com/user1/tensorflow-gpu:1.3.0-xm1.0.0-python3 .

推送镜像到docker registry, (不熟悉docker registry的用户可以参考http://docs.api.xiaomi.com/app-engine/docker-image.html)

docker login cnbj6-repo.cloud.mi.com
docker push cnbj6-repo.cloud.mi.com/user1/tensorflow-gpu:1.3.0-xm1.0.0-python3

使用示例

用户提交任务时指定Docker镜像地址即可。

cloudml jobs submit -n linear -m trainer.task -u fds://cloud-ml/linear/trainer-1.0.tar.gz -d cnbj6-repo.cloud.mi.com/user1/tensorflow-gpu:1.3.0-xm1.0.0-python3

参数介绍

• -d 表示用户指定的Docker镜像地址，注意不可与 -F 和 -V 参数同时使用。

注意：

Cloud-ML Trainjob的启动脚本是 /train.py，启动的时候会默认执行/train.py -m <module_name>，所以，这个文件是必须的，里面的内容则可以根据自己的具体情况定义。